| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-31页 |
| 1.1 研究背景和意义 | 第17-21页 |
| 1.1.1 高光谱图像的特点及应用 | 第17-18页 |
| 1.1.2 高光谱成像的基本原理 | 第18-21页 |
| 1.2 高光谱图像国内外研究现状和难点 | 第21-26页 |
| 1.2.1 国内外研究现状 | 第21-25页 |
| 1.2.2 研究难点 | 第25-26页 |
| 1.3 本课题的主要理论模型 | 第26-29页 |
| 1.3.1 稀疏贝叶斯学习理论 | 第26-28页 |
| 1.3.2 协同表示模型 | 第28-29页 |
| 1.4 本论文主要工作及内容安排 | 第29-31页 |
| 第二章 基于分层稀疏贝叶斯学习和Beta过程的高光谱图像恢复 | 第31-51页 |
| 2.1 引言 | 第31页 |
| 2.2 Beta过程 | 第31-32页 |
| 2.3 分层稀疏贝叶斯学习模型 | 第32-37页 |
| 2.4 实验结果 | 第37-49页 |
| 2.4.1 实验设置 | 第37-38页 |
| 2.4.2 去噪结果分析 | 第38-44页 |
| 2.4.3 推断缺失数据 | 第44-46页 |
| 2.4.4 算法分析 | 第46-49页 |
| 2.5 本章小结 | 第49-51页 |
| 第三章 基于分层稀疏学习和谱空相关性的高光谱图像去噪 | 第51-77页 |
| 3.1 引言 | 第51页 |
| 3.2 基于字典学习的二维图像去噪模型 | 第51-53页 |
| 3.3 结合空谱相关性的分层字典学习模型 | 第53-59页 |
| 3.3.1 基于结构相关性的空谱数据提取 | 第53-55页 |
| 3.3.2 分层字典学习模型 | 第55-58页 |
| 3.3.3 吉布斯采样推断 | 第58-59页 |
| 3.4 实验结果与分析 | 第59-75页 |
| 3.4.1 实验设置 | 第59-60页 |
| 3.4.2 Pavia University数据集上的实验 | 第60-66页 |
| 3.4.3 Urban数据集上的实验 | 第66-70页 |
| 3.4.4 Indian Pines数据集上的实验 | 第70-73页 |
| 3.4.5 参数敏感性分析 | 第73-75页 |
| 3.5 本章小结 | 第75-77页 |
| 第四章 基于协同块学习和贝叶斯低秩矩阵分解的高光谱图像去噪 | 第77-93页 |
| 4.1 引言 | 第77页 |
| 4.2 基于低秩矩阵分解的降噪模型 | 第77-78页 |
| 4.3 结合CPL和BLRF的降噪模型 | 第78-83页 |
| 4.3.1 协同块学习 | 第78-79页 |
| 4.3.2 贝叶斯低秩矩阵分解模型 | 第79-81页 |
| 4.3.3 变分贝叶斯推断 | 第81-83页 |
| 4.4 实验结果与分析 | 第83-92页 |
| 4.4.1 实验设置 | 第83-84页 |
| 4.4.2 Beads数据集上的实验 | 第84-87页 |
| 4.4.3 Pavia Centre数据集上的实验 | 第87-90页 |
| 4.4.4 Urban数据集上的实验 | 第90-92页 |
| 4.5 本章小结 | 第92-93页 |
| 第五章 基于非局部加权联合协同表示和极限学习机模型的高光谱图像分类 | 第93-111页 |
| 5.1 引言 | 第93页 |
| 5.2 相关模型 | 第93-96页 |
| 5.2.1 联合协同表示分类模型 | 第93-95页 |
| 5.2.2 极限学习机分类模型 | 第95-96页 |
| 5.3 融合非局部加权联合协同表示和极限学习机的分类模型 | 第96-100页 |
| 5.3.1 加权非局部联合协同表示分类 | 第96-98页 |
| 5.3.2 结合极限学习机的联合协同表示系数分类 | 第98-99页 |
| 5.3.3 融合策略 | 第99-100页 |
| 5.4 实验结果与分析 | 第100-109页 |
| 5.4.1 实验设置 | 第100-101页 |
| 5.4.2 Kennedy Space Center(KSC)数据集上的实验 | 第101-104页 |
| 5.4.3 PaviaUniversity数据集上的实验 | 第104-105页 |
| 5.4.4 Salinas数据集上的实验 | 第105-107页 |
| 5.4.5 分析参数d和θ对分类性能的影响 | 第107-109页 |
| 5.5 本章小结 | 第109-111页 |
| 第六章 总结与展望 | 第111-115页 |
| 参考文献 | 第115-129页 |
| 致谢 | 第129-131页 |
| 作者简介 | 第131-132页 |
