| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究目的和意义 | 第10-12页 |
| 1.2 国内外的研究现状 | 第12-16页 |
| 1.2.1 国内研究现状 | 第12-14页 |
| 1.2.2 国外研究现状 | 第14-16页 |
| 1.3 高光谱图像技术概述 | 第16-18页 |
| 1.3.1 高光谱图像技术的基本原理 | 第17页 |
| 1.3.2 高光谱图像技术无损检测的特点 | 第17-18页 |
| 1.4 研究目标及内容 | 第18-20页 |
| 1.4.1 研究目标 | 第18-19页 |
| 1.4.2 研究内容 | 第19-20页 |
| 1.5 技术路线 | 第20-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第2章 实验材料、设备与方法 | 第22-33页 |
| 2.1 实验材料 | 第22页 |
| 2.2 实验设备 | 第22-24页 |
| 2.2.1 高光谱成像系统硬件平台 | 第22-23页 |
| 2.2.2 高光谱成像系统软件平台 | 第23-24页 |
| 2.3 实验设计方法 | 第24-32页 |
| 2.3.1 高光谱图像处理的方法 | 第25-26页 |
| 2.3.2 高光谱图像的分类方法 | 第26-31页 |
| 2.3.3 分类后处理 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 室内红枣高光谱图像处理 | 第33-43页 |
| 3.1 高光谱多目标红枣采集与分析 | 第33-34页 |
| 3.2 室内对角度采集分析 | 第34-35页 |
| 3.3 病变红枣光谱数据的采集 | 第35-36页 |
| 3.4 图像数据的处理与分析 | 第36-42页 |
| 3.4.1 主成分分析 | 第36-37页 |
| 3.4.2 波段比分析 | 第37页 |
| 3.4.3 HSV颜色空间变换 | 第37-38页 |
| 3.4.4 基于支持向量机的图像分类及精度分析与评价 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 户外枣园高光谱实验 | 第43-53页 |
| 4.1 模拟户外采集多角度实验 | 第43-44页 |
| 4.2 户外不同采集角度的对比分析 | 第44-45页 |
| 4.3 户外枣园红枣光谱数据库的建立 | 第45-46页 |
| 4.4 图像增强研究 | 第46-48页 |
| 4.4.1 伪彩色图像 | 第46-47页 |
| 4.4.2 归一化植被指数法（NDVI） | 第47页 |
| 4.4.3 独立主成分分析法 | 第47页 |
| 4.4.4 MNF最小噪声分离法 | 第47-48页 |
| 4.4.5 主成分分析法 | 第48页 |
| 4.5 基于高光谱图像的监督分类 | 第48-52页 |
| 4.5.1 BP人工神经网络分类 | 第48-49页 |
| 4.5.2 支持向量机分类 | 第49-50页 |
| 4.5.3 最小距离法分类 | 第50页 |
| 4.5.4 马氏距离法分类 | 第50页 |
| 4.5.5 端元收集光谱角填图法（SAM）分类 | 第50-51页 |
| 4.5.6 平行六面体法分类 | 第51页 |
| 4.5.7 最大似然法分类 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 高光谱图像分类的精度分析与评价 | 第53-60页 |
| 5.1 高光谱图像监督分类方法的精度分析 | 第53-58页 |
| 5.1.1 支持向量机分类精度分析 | 第53-54页 |
| 5.1.2 最大似然分类分类精度分析 | 第54页 |
| 5.1.3 最小距离分类分类精度分析 | 第54-55页 |
| 5.1.4 端元收集光谱角填图法（SAM）分类精度分析 | 第55-56页 |
| 5.1.5 BP人工神经网络分类精度分析 | 第56页 |
| 5.1.6 马氏距离分类精度分析 | 第56-57页 |
| 5.1.7 平行六面体分类精度分析 | 第57-58页 |
| 5.2 精度对比与评价 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68-69页 |