| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题的背景及意义 | 第10-11页 |
| ·国内外的研究进展和现状 | 第11-17页 |
| ·国外研究状况 | 第11-15页 |
| ·国内研究状况 | 第15-17页 |
| ·本文研究内容 | 第17-19页 |
| 第2章 红外波段超光谱遥感背景的生成计算 | 第19-33页 |
| ·三维地形几何模型建立 | 第20-21页 |
| ·地表覆盖类型 | 第21-22页 |
| ·背景温度物理模型及其计算结果 | 第22-25页 |
| ·裸露地表土壤及植被地表温度模型 | 第22-24页 |
| ·水体的温度模型 | 第24页 |
| ·温度场计算结果 | 第24-25页 |
| ·辐射传输 | 第25-30页 |
| ·辐射传输模型 | 第25-27页 |
| ·辐射传输计算 | 第27-30页 |
| ·星上黑体定标 | 第30页 |
| ·遥感背景图像生成 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 目标辐射特性计算 | 第33-42页 |
| ·弹道导弹主动段飞行特性计算 | 第33-34页 |
| ·热流法数学模型 | 第34-38页 |
| ·二热流法数学模型 | 第34-37页 |
| ·六热流法数学模型 | 第37-38页 |
| ·弹道导弹主动段8 ~12μm 波段红外辐射特性计算 | 第38-41页 |
| ·本章小节 | 第41-42页 |
| 第4章 基于神经网络的红外目标识别 | 第42-72页 |
| ·目标识别波段初步选择 | 第42-45页 |
| ·基于神经网络的红外目标识别 | 第45-46页 |
| ·BP 神经网络 | 第46-58页 |
| ·BP 神经网络原理 | 第46-47页 |
| ·BP 神经网络的设计 | 第47-48页 |
| ·BP 神经网络的仿真计算结果 | 第48-58页 |
| ·支持向量机(SVM) | 第58-71页 |
| ·支持向量机原理 | 第58-61页 |
| ·统计学习理论的基本概念 | 第58-59页 |
| ·线性支持向量机 | 第59页 |
| ·非线性支持向量机 | 第59-61页 |
| ·基于传统 SVM 的分类计算结果 | 第61-65页 |
| ·基于 LS_SVM 原理的预测计算结果 | 第65-71页 |
| ·LS_SVM 原理 | 第65-67页 |
| ·LS_SVM 预测结果 | 第67-71页 |
| ·BP 与 SVM 神经网络方法的比较 | 第71页 |
| ·本章小结 | 第71-72页 |
| 第5章 超光谱图像融合及目标识别 | 第72-85页 |
| ·超谱图像 | 第72-74页 |
| ·相关性分析基本概念 | 第74-77页 |
| ·非线性相关系数及其性质 | 第74-76页 |
| ·非线性相关信息熵及其性质 | 第76-77页 |
| ·基于小波变换的超谱图像融合模型 | 第77-79页 |
| ·超谱图像计算分析 | 第79-83页 |
| ·超谱图像的相关性分析及融合计算 | 第79-81页 |
| ·基于 LS_SVM 神经网络对融合前后超谱的图像目标预测识别 | 第81-83页 |
| ·本章小结 | 第83-85页 |
| 结论 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 攻读学位期间发表的学术论文 | 第92-94页 |
| 致谢 | 第94页 |