| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究的背景和目的意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 课题研究的目的及意义 | 第12-13页 |
| 1.2 高光谱遥感图像成像与解混技术的发展 | 第13-17页 |
| 1.2.1 高光谱遥感图像成像光谱技术 | 第13-14页 |
| 1.2.2 高光谱遥感图像解混技术的现状与发展 | 第14-17页 |
| 1.3 论文主要研究内容及结构安排 | 第17-18页 |
| 1.4 本文实验环境与实验数据 | 第18-20页 |
| 第2章 高光谱图像线性解混技术 | 第20-31页 |
| 2.1 高光谱混合像元的形成 | 第20-21页 |
| 2.2 高光谱线性光谱混合模型 | 第21-24页 |
| 2.2.1 FCLS全约束最小二乘解混 | 第22-24页 |
| 2.3 高光谱端元提取技术 | 第24-29页 |
| 2.3.1 N-FINDR算法 | 第24-26页 |
| 2.3.2 SGA(Simplex Growing Algorithm)端元提取算法 | 第26-27页 |
| 2.3.3 PPI端元提取算法 | 第27-29页 |
| 2.4 高光谱图像降维技术 | 第29-30页 |
| 2.4.1 高光谱图像降维概述 | 第29页 |
| 2.4.2 主成分分析(Principal Component Analysis PCA) | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 高光谱非线性混合模型及解混算法 | 第31-51页 |
| 3.1 非线性解混模型 | 第31-36页 |
| 3.1.1 Hapke模型 | 第31-32页 |
| 3.1.2 Kubelk-Munk模型 | 第32-33页 |
| 3.1.3 概率模型 | 第33页 |
| 3.1.4 模糊模型 | 第33页 |
| 3.1.5 基于二次多项式的非线性混合模型 | 第33-34页 |
| 3.1.6 基于最小二乘迭代的非线性解混算法 | 第34-36页 |
| 3.2 改进的高光谱非线性模型 | 第36-37页 |
| 3.3 基于Volterra级数的高光谱非线性解混算法 | 第37-41页 |
| 3.3.1 Volterra级数自适用滤波器 | 第37-39页 |
| 3.3.2 LMS Volterra级数非线性解混 | 第39-41页 |
| 3.4 基于遗传算法的非线性解混 | 第41-44页 |
| 3.5 实验内容和结果分析 | 第44-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 高光谱混合模型检测 | 第51-60页 |
| 4.1 非线性系数估计与模型判别 | 第51-54页 |
| 4.2 非线性系数估计实验验证 | 第54-56页 |
| 4.3 非线性系数估计应用 | 第56-58页 |
| 4.4 本章小结 | 第58-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
