| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 面向对象的高分辨率遥感影像分类研究现状 | 第11-12页 |
| 1.3 稀疏表示在图像分类中的研究现状 | 第12-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 第2章 基础理论 | 第15-25页 |
| 2.1 稀疏表示基础理论 | 第15-19页 |
| 2.1.1 稀疏编码算法 | 第16-18页 |
| 2.1.2 联合稀疏表示 | 第18-19页 |
| 2.2 区域分割基础理论 | 第19-25页 |
| 2.2.1 均值漂移分割算法（Mean Shift） | 第20-22页 |
| 2.2.2 分形网络演化分割算法（FNEA） | 第22-25页 |
| 第3章 基于区域稀疏表示的高分辨率遥感影像分类 | 第25-68页 |
| 3.1 基于区域稀疏表示的高分辨率遥感影像分类算法 | 第25-29页 |
| 3.1.1 区域分割与特征提取 | 第26-27页 |
| 3.1.2 基于区域的稀疏表示分类算法 | 第27-29页 |
| 3.2 影像分类精度评价方法 | 第29-30页 |
| 3.3 实验与分析 | 第30-66页 |
| 3.3.1 实验一 | 第33-44页 |
| 3.3.2 实验二 | 第44-55页 |
| 3.3.3 实验三 | 第55-66页 |
| 3.4 本章总结 | 第66-68页 |
| 第4章 基于多尺度区域稀疏表示的高分辨率遥感影像分类 | 第68-81页 |
| 4.1 基于多尺度区域稀疏表示理论 | 第68-73页 |
| 4.1.1 多尺度分割与特征提取 | 第69-71页 |
| 4.1.2 获取最佳区域特征 | 第71页 |
| 4.1.3 获取多尺度区域权重 | 第71-72页 |
| 4.1.4 加权联合稀疏表示分类 | 第72-73页 |
| 4.2 实验与分析 | 第73-79页 |
| 4.2.1 实验一 | 第73-75页 |
| 4.2.2 实验二 | 第75-78页 |
| 4.2.3 实验三 | 第78-79页 |
| 4.3 本章总结 | 第79-81页 |
| 第5章 总结与展望 | 第81-83页 |
| 5.1 结论 | 第81-82页 |
| 5.2 展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 附录A: 图目录 | 第89-91页 |
| 附录B: 表目录 | 第91-92页 |
| 研究成果 | 第92-93页 |
| 致谢 | 第93页 |
