首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于分水岭分割的高光谱图像分类算法研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 研究意义第10-11页
    1.2 国内外现状第11-14页
    1.3 主要工作第14-15页
    1.4 内容安排第15-16页
第2章 预备知识第16-24页
    2.1 高光谱遥感图像第16-17页
    2.2 分水岭分割算法第17-23页
        2.2.1 分水岭的基本概念第17-19页
        2.2.2 分水岭分割算法第19-21页
        2.2.3 高光谱图像的分水岭分割算法第21-23页
    2.3 本章小结第23-24页
第3章 基于分水岭分割和SVM的高光谱图像分类算法(WSVM)第24-36页
    3.1 SVM简介第24-27页
    3.2 基于分水岭分割和SVM的高光谱图像分类算法WSVM第27-29页
    3.4 实验第29-35页
        3.4.1 实验数据第29-31页
        3.4.2 实验设置第31页
        3.4.3 实验结果与分析第31-35页
    3.5 本章小节第35-36页
第4章 基于分水岭分割和稀疏表示的高光谱图像分类算法第36-50页
    4.1 引言第36页
    4.2 稀疏表示简介第36-39页
        4.2.1 稀疏表示基本理论第36-38页
        4.2.2 基于稀疏表示的分类第38-39页
    4.3 基于分水岭分割和稀疏表示的高光谱图像分类算法第39-45页
        4.3.1 基于分水岭分割和联合稀疏表示的高光谱图像分类算法WJSR第39-41页
        4.3.2 基于分水岭分割和改进的联合稀疏表示的高光谱图像分类算法WIJSR第41-45页
    4.4 实验第45-48页
        4.4.1 实验设置第45页
        4.4.2 实验结果与分析第45-48页
    4.5 本章小结第48-50页
第5章 基于分水岭分割的半监督分类算法(WSSC)第50-59页
    5.1 引言第50页
    5.2 基于分水岭分割的半监督分类算法第50-54页
        5.2.1 基于图的标签传递第50-52页
        5.2.2 基于分水岭的相似矩阵构造第52-53页
        5.2.3 算法描述第53-54页
    5.4 实验第54-58页
        5.4.1 实验设置第54-55页
        5.4.2 实验结果与分析第55-58页
    5.5 本章小结第58-59页
第6章 总结与展望第59-61页
    6.1 工作总结第59-60页
    6.2 工作展望第60-61页
参考文献第61-68页
附录第68-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:高浓度水煤浆流变特性转变条件及其微观机理研究
下一篇:中国足迹家族与经济增长关系研究