| 创新点摘要 | 第5-7页 |
| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 1 绪论 | 第15-32页 |
| 1.1 课题研究背景及意义 | 第15-19页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16-19页 |
| 1.2 高分辨率遥感图像场景分类所面临的问题 | 第19-20页 |
| 1.3 单特征处理方法概述 | 第20-26页 |
| 1.3.1 线性融合方法概述 | 第20-23页 |
| 1.3.2 非线性融合方法概述 | 第23-26页 |
| 1.4 多特征处理方法概述 | 第26-29页 |
| 1.4.1 典型相关分析的研究和发展 | 第26-27页 |
| 1.4.2 偏最小二乘分析研究现状 | 第27-28页 |
| 1.4.3 多集典型相关分析概述 | 第28-29页 |
| 1.5 本文内容安排 | 第29-32页 |
| 2 典型相关分析特征融合分类框架 | 第32-55页 |
| 2.1 引言 | 第32-33页 |
| 2.2 多特征融合中的典型相关分析方法 | 第33-40页 |
| 2.2.1 典型相关分析 | 第33-38页 |
| 2.2.2 多集典型相关分析 | 第38-40页 |
| 2.3 高分辨率遥感图像常用特征介绍 | 第40-49页 |
| 2.3.1 颜色相关特征 | 第40-42页 |
| 2.3.2 结构相关特征 | 第42-43页 |
| 2.3.3 纹理相关特征 | 第43-49页 |
| 2.4 高分辨率遥感图像常用分类算法 | 第49-53页 |
| 2.4.1 k最近邻分类算法 | 第49-50页 |
| 2.4.2 支持向量机分类算法 | 第50-52页 |
| 2.4.3 Boosting分类算法 | 第52-53页 |
| 2.5 本章小结 | 第53-55页 |
| 3 基于全局保持投影多集典型相关分析改进的特征融合分类算法 | 第55-76页 |
| 3.1 引言 | 第55-56页 |
| 3.2 基于全局保持投影的多集典型相关分析 | 第56-60页 |
| 3.2.1 基于全局保持投影的多集典型相关分析理论建模 | 第56-60页 |
| 3.2.2 基于全局保持投影的多集典型相关分析算法步骤总结 | 第60页 |
| 3.3 分类实验评估 | 第60-74页 |
| 3.3.1 12类场景遥感数据集分类实验 | 第61-65页 |
| 3.3.2 19类场景遥感图像数据集场景分类实验 | 第65-70页 |
| 3.3.3 21类场景遥感图像数据集场景分类实验 | 第70-74页 |
| 3.4 本章小结 | 第74-76页 |
| 4 基于贝叶斯信息准则稀疏典型相关分析改进的特征融合分类算法 | 第76-101页 |
| 4.1 引言 | 第76-77页 |
| 4.2 稀疏典型相关分析算法简介 | 第77-78页 |
| 4.3 贝叶斯信息准则简介 | 第78-79页 |
| 4.4 惩罚函数的直观描述 | 第79-82页 |
| 4.4.1 Lasso惩罚 | 第79-80页 |
| 4.4.2 弹性网惩罚 | 第80页 |
| 4.4.3 SCAD惩罚 | 第80-82页 |
| 4.4.4 硬阈值惩罚 | 第82页 |
| 4.5 重要惩罚函数算法详述 | 第82-86页 |
| 4.5.1 Lasso估计及其算法 | 第82-83页 |
| 4.5.2 弹性网估计及其算法 | 第83-84页 |
| 4.5.3 SCAD估计及其算法 | 第84-86页 |
| 4.6 惩罚参数选择方法 | 第86页 |
| 4.6.1 十折交叉验证 | 第86页 |
| 4.6.2 广义交叉验证 | 第86页 |
| 4.7 改进的BIC特征过滤算法 | 第86-88页 |
| 4.8 分类实验评估 | 第88-100页 |
| 4.8.1 21类场景遥感图像数据集场景分类实验 | 第88-93页 |
| 4.8.2 北京地区大幅遥感图像场景分类实验 | 第93-100页 |
| 4.9 本章小结 | 第100-101页 |
| 5 基于标签传播的半监督典型相关分析特征融合分类算法 | 第101-125页 |
| 5.1 引言 | 第101页 |
| 5.2 图模型的正则化 | 第101-106页 |
| 5.2.1 受限波尔茨曼机 | 第102-103页 |
| 5.2.2 流形正则化 | 第103-104页 |
| 5.2.3 最小割 | 第104页 |
| 5.2.4 高斯随机场和调和函数 | 第104-106页 |
| 5.3 图模型的建立 | 第106-107页 |
| 5.3.1 完全图模型 | 第106页 |
| 5.3.2 稀疏图模型 | 第106-107页 |
| 5.4 标签传播算法简介 | 第107-110页 |
| 5.4.1 算法思想 | 第107-108页 |
| 5.4.2 算法描述 | 第108-109页 |
| 5.4.3 收敛性证明 | 第109-110页 |
| 5.5 基于标签传播的典型相关分析算法 | 第110-112页 |
| 5.6 分类实验评估 | 第112-123页 |
| 5.6.1 12类场景遥感图像分类实验 | 第113-117页 |
| 5.6.2 21类场景遥感图像场景分类实验 | 第117-120页 |
| 5.6.3 法国格勒诺布尔市大幅遥感图像分类实验 | 第120-123页 |
| 5.7 本章小结 | 第123-125页 |
| 6 总结与展望 | 第125-128页 |
| 6.1 本文工作总结 | 第125-126页 |
| 6.2 将来的工作 | 第126-128页 |
| 参考文献 | 第128-139页 |
| 攻读博士学位期间发表的相关论文 | 第139-140页 |
| 致谢 | 第140页 |
