| 作者简历 | 第1-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-18页 |
| 第1章 绪论 | 第18-29页 |
| ·研究背景与意义 | 第18-20页 |
| ·国内外研究现状 | 第20-26页 |
| ·基于空间特征提取的方法 | 第22-24页 |
| ·基于联合光谱和空间信息的分割方法 | 第24-25页 |
| ·基于联合光谱和空间信息的分类器方法 | 第25-26页 |
| ·论文研究内容 | 第26-27页 |
| ·论文章节安排 | 第27-29页 |
| 第2章 基于像素的高光谱影像分类 | 第29-45页 |
| ·高光谱影像分类概述 | 第29-30页 |
| ·基于像素的影像分类 | 第30-35页 |
| ·最大似然分类法 | 第30-32页 |
| ·支持向量机分类法 | 第32-35页 |
| ·实验结果与分析 | 第35-44页 |
| ·实验数据 | 第35-38页 |
| ·评价指标 | 第38-39页 |
| ·实验流程 | 第39页 |
| ·实验结果 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于代数多重网格和分层分割的影像分割和分类 | 第45-68页 |
| ·高光谱影像的非线性扩散模型 | 第45-46页 |
| ·代数多重网格方法 | 第46-48页 |
| ·高光谱影像的多尺度表达 | 第48-51页 |
| ·基于代数多重网格和分层分割的高光谱影像分割和分类 | 第51-54页 |
| ·最佳格网选取 | 第54-55页 |
| ·实验结果与比较 | 第55-66页 |
| ·参数设置与相关方法 | 第55-56页 |
| ·Indiana Pines影像实验结果 | 第56-58页 |
| ·Washington DC Mall影像实验结果 | 第58-62页 |
| ·Centre of Pavia影像实验结果 | 第62-64页 |
| ·参数讨论 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第4章 基于边缘保持与图割模型的影像分类 | 第68-94页 |
| ·SVM分类与概率输出 | 第68-69页 |
| ·双边滤波及其扩展 | 第69-72页 |
| ·图割模型 | 第72-74页 |
| ·整体分类流程 | 第74-77页 |
| ·建立类别图割模型 | 第75-76页 |
| ·类别图割模型求解 | 第76-77页 |
| ·基于图割模型的影像分类 | 第77页 |
| ·实验结果与分析 | 第77-93页 |
| ·对比实验设置 | 第77-78页 |
| ·Indiana Pines影像实验结果 | 第78-83页 |
| ·University of Pavia影像实验结果 | 第83-88页 |
| ·Salinas影像实验结果 | 第88-93页 |
| ·本章小结 | 第93-94页 |
| 第5章 联合光谱和空间信息的高光谱影像实验系统 | 第94-106页 |
| ·系统设计 | 第94-96页 |
| ·功能模块简介 | 第96-103页 |
| ·影像读取、显示与保存 | 第96-97页 |
| ·影像滤波 | 第97页 |
| ·影像分割 | 第97-98页 |
| ·影像分类 | 第98-100页 |
| ·联合光谱和空间信息的高光谱影像分类 | 第100-103页 |
| ·分类精度评价 | 第103页 |
| ·系统实施 | 第103-105页 |
| ·本章小结 | 第105-106页 |
| 第6章 总结与展望 | 第106-109页 |
| 致谢 | 第109-110页 |
| 参考文献 | 第110-117页 |
