高光谱图像混合像元分类技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·课题依托项目介绍 | 第10-12页 |
| ·研究的目的意义 | 第12-13页 |
| 第二章 高光谱图像分类技术 | 第13-17页 |
| ·分类原理 | 第13-14页 |
| ·分类步骤 | 第14页 |
| ·分类算法 | 第14-16页 |
| ·光谱角度匹配法 | 第15页 |
| ·光谱编码匹配 | 第15页 |
| ·光谱波形匹配 | 第15-16页 |
| ·分类优缺点介绍 | 第16-17页 |
| 第三章 混合像元和像元分解 | 第17-33页 |
| ·混合像元 | 第17-21页 |
| ·概念 | 第17-18页 |
| ·混合像元产生的机理 | 第18-21页 |
| ·光谱混合模型 | 第21-23页 |
| ·线性光谱混合模型 | 第22-23页 |
| ·非线性光谱混合模型 | 第23页 |
| ·像元分解 | 第23-32页 |
| ·端元选取 | 第23-28页 |
| ·像元分解 | 第28-32页 |
| ·总结 | 第32-33页 |
| 第四章 基于最小二乘法的分解方法 | 第33-42页 |
| ·算法分析 | 第33-34页 |
| ·求解方法 | 第34-36页 |
| ·不带约束的最小二乘法 | 第34-35页 |
| ·带约束的最小二乘法 | 第35-36页 |
| ·算法实现 | 第36-40页 |
| ·流程图 | 第36-37页 |
| ·程序分析 | 第37-40页 |
| ·总结 | 第40-42页 |
| 第五章 基于模糊集合的分解方法 | 第42-53页 |
| ·算法分析 | 第43-49页 |
| ·模糊集和地理信息的模糊表示 | 第43-44页 |
| ·光谱空间的模糊划分 | 第44-46页 |
| ·图像分类的模糊参数 | 第46-48页 |
| ·训练和成员关系函数 | 第48-49页 |
| ·程序实现 | 第49-52页 |
| ·流程图 | 第49-51页 |
| ·程序分析 | 第51-52页 |
| ·总结 | 第52-53页 |
| 第六章 基于单形体体积的分解方法 | 第53-57页 |
| ·算法分析 | 第53-54页 |
| ·算法实现 | 第54-56页 |
| ·流程图 | 第54-55页 |
| ·程序分析 | 第55-56页 |
| ·总结 | 第56-57页 |
| 第七章 实验分析与研究 | 第57-64页 |
| ·准备数据 | 第57-60页 |
| ·实验图像选取 | 第57-59页 |
| ·待识别矿物波谱数据选取 | 第59-60页 |
| ·混合像元分解结果 | 第60-62页 |
| ·三个区域的端元选取结果 | 第60页 |
| ·三个区域的像元分解结果 | 第60-62页 |
| ·实验结果分析 | 第62-64页 |
| 第八章 总结与展望 | 第64-66页 |
| ·对本文工作的总结 | 第64页 |
| ·对下一步工作的设想 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 附录 | 第69页 |
