| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.2 国内外相关技术研究现状 | 第18-22页 |
| 1.3 研究内容与创新 | 第22-24页 |
| 第二章 高光谱图像分类研究 | 第24-36页 |
| 2.1 高光谱图像特性 | 第24-25页 |
| 2.1.1 非线性特性 | 第24页 |
| 2.1.2 波段相关性高 | 第24页 |
| 2.1.3 小样本 | 第24-25页 |
| 2.1.4 维数灾难（Curse of Dimensionality） | 第25页 |
| 2.1.5 混合像元问题 | 第25页 |
| 2.2 高光谱图像分类方法 | 第25-30页 |
| 2.2.1 基于光谱特征的高光谱图像分类方法 | 第26页 |
| 2.2.2 空-谱结合用于高光谱图像分类 | 第26-27页 |
| 2.2.3 高光谱图像特征提取和特征选择 | 第27-28页 |
| 2.2.4 基于深度神经网络的高光谱图像分类 | 第28-30页 |
| 2.3 高光谱图像分类评价 | 第30-35页 |
| 2.3.1 高光谱图像分类的基准数据集 | 第30-33页 |
| 2.3.2 高光谱图像分类评价指标 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于非下采样轮廓波变换和深度卷积网络的高光谱图像分类 | 第36-60页 |
| 3.1 非下采样轮廓波变换 | 第36-39页 |
| 3.1.2 非下采样塔形滤波器组 | 第37-38页 |
| 3.1.3 非下采样方向滤波器组 | 第38页 |
| 3.1.4 NSCT对图像的重构性能 | 第38-39页 |
| 3.2 深度卷积神经网络 | 第39-45页 |
| 3.2.2 卷积（Convolution） | 第39-42页 |
| 3.2.3 非线性变换 | 第42页 |
| 3.2.4 池化（下采样） | 第42-43页 |
| 3.2.5 全连接层 | 第43页 |
| 3.2.6 分类器 | 第43-44页 |
| 3.2.7 权重更新 | 第44页 |
| 3.2.8 预防过拟合 | 第44-45页 |
| 3.3 基于非下采样轮廓波变换和深度卷积网络的高光谱图像分类 | 第45-58页 |
| 3.3.1 算法理论及步骤 | 第45-48页 |
| 3.3.2 实验对比与分析 | 第48-58页 |
| 3.4 本章小结 | 第58-60页 |
| 第四章 基于非下采样轮廓波变换的信息融合的高光谱图像分类 | 第60-74页 |
| 4.1 基于NSCT和光谱信息融合的高光谱图像分类 | 第60-66页 |
| 4.1.2 实验参数设置 | 第63-64页 |
| 4.1.3 实验对比与分析 | 第64-66页 |
| 4.2 基于NSCT和空间信息融合的高光谱图像分类 | 第66-68页 |
| 4.2.2 实验参数设置 | 第66页 |
| 4.2.3 实验对比与分析 | 第66-68页 |
| 4.3 基于NSCT和空-谱信息融合的高光谱图像分类 | 第68-72页 |
| 4.3.2 实验结果与分析 | 第70-72页 |
| 4.4 本章小结 | 第72-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 研究总结 | 第74-75页 |
| 5.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-88页 |
| 致谢 | 第88-90页 |
| 作者简介 | 第90-91页 |
