| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外研究历史与现状 | 第12-14页 |
| 1.3 研究难点 | 第14页 |
| 1.4 本文研究内容及章节安排 | 第14-15页 |
| 第二章 高光谱图像分类方法研究 | 第15-27页 |
| 2.1 高光谱图像特征提取方法 | 第15-18页 |
| 2.1.1 主成分分析 | 第16-17页 |
| 2.1.2 像元纯度指数 | 第17-18页 |
| 2.2 高光谱图像模式识别方法 | 第18-22页 |
| 2.2.1 k-最近邻算法 | 第19-20页 |
| 2.2.2 支持向量机 | 第20-22页 |
| 2.3 高光谱图像分类效率评价指标 | 第22-24页 |
| 2.3.1 混淆矩阵 | 第22页 |
| 2.3.2 总体分类精度 | 第22-23页 |
| 2.3.3 Kappa系数 | 第23-24页 |
| 2.4 高光谱图像数据库 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于多尺度特征的高光谱图像混合像元分离 | 第27-43页 |
| 3.1 高光谱图像预处理 | 第27-34页 |
| 3.1.1 小波变换 | 第27-31页 |
| 3.1.2 高光谱图像预处理结果 | 第31-34页 |
| 3.2 常用的高光谱图像混合像元分离测度 | 第34-37页 |
| 3.2.1 光谱角度匹配算法 | 第34-35页 |
| 3.2.2 欧式距离 | 第35-37页 |
| 3.3 基于多尺度特征的混合像元分离方法 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于多重分形谱的高光谱特征提取 | 第43-57页 |
| 4.1 分形理论概述 | 第43-48页 |
| 4.1.1 分形的定义 | 第43-44页 |
| 4.1.2 基本的分形模型 | 第44-46页 |
| 4.1.3 分形维数 | 第46-48页 |
| 4.2 多重分形 | 第48-50页 |
| 4.2.1 多重分形定义 | 第48-49页 |
| 4.2.2 多重分形谱计算 | 第49-50页 |
| 4.3 基于多重分形谱的高光谱图像特征提取 | 第50-56页 |
| 4.3.1 多重分形性分析 | 第51-53页 |
| 4.3.2 多重分形谱特征提取 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于多尺度特征和多重分形分析的高光谱图像分类 | 第57-67页 |
| 5.1 像元解混 | 第57-61页 |
| 5.1.1 高光谱图像端元提取 | 第57-60页 |
| 5.1.2 高光谱图像混合像元分解 | 第60-61页 |
| 5.2 基于多尺度特征和多重分形分析的高光谱图像分类 | 第61-62页 |
| 5.3 实验结果与分析 | 第62-66页 |
| 5.3.1 训练集与测试集的选取 | 第63页 |
| 5.3.2 实验结果及分析总结 | 第63-66页 |
| 5.4 本章小节 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 发表论文及参加科研情况 | 第75-77页 |
| 致谢 | 第77页 |