高光谱遥感影像稀疏表示与字典学习分类研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 缩写词 | 第18-21页 |
| 第一章 引言 | 第21-37页 |
| 1.1 选题依据与背景 | 第21-23页 |
| 1.2 国内外研究进展 | 第23-34页 |
| 1.2.1 国外研究进展 | 第23-30页 |
| 1.2.2 国内研究进展 | 第30-33页 |
| 1.2.3 亟待解决的问题 | 第33-34页 |
| 1.3 研究内容与论文组织 | 第34-37页 |
| 1.3.1 研究内容 | 第34-35页 |
| 1.3.2 技术路线与论文组织 | 第35-37页 |
| 第二章 表示学习分类的基本方法 | 第37-44页 |
| 2.1 像素级表示学习 | 第37-40页 |
| 2.1.1 稀疏表示分类 | 第37-38页 |
| 2.1.2 协同表示分类 | 第38-39页 |
| 2.1.3 融合表示分类 | 第39-40页 |
| 2.2 空间联合表示分类 | 第40-43页 |
| 2.2.1 联合稀疏表示分类 | 第40-42页 |
| 2.2.2 联合协同表示分类 | 第42-43页 |
| 2.3 本章小结 | 第43-44页 |
| 第三章 特征多样性的稀疏表示学习 | 第44-70页 |
| 3.1 多特征学习与表达 | 第44-48页 |
| 3.1.1 多特征描述与构建 | 第44-47页 |
| 3.1.2 核低维表达 | 第47-48页 |
| 3.2 多特征核稀疏表示算法 | 第48-56页 |
| 3.2.1 多特征稀疏表示模型 | 第48-49页 |
| 3.2.2 核诱导子空间表达 | 第49-51页 |
| 3.2.3 多特征稀疏表示与分析 | 第51-53页 |
| 3.2.4 基于融合残差准则的分类 | 第53-56页 |
| 3.3 特征多样性的遥感影像分类与分析 | 第56-69页 |
| 3.3.1 多特征融合的稀疏分类评估 | 第56-66页 |
| 3.3.2 不同核映射下的显著性检验 | 第66-68页 |
| 3.3.3 运行效率分析 | 第68-69页 |
| 3.4 本章小结 | 第69-70页 |
| 第四章 模型多样性的协同表示学习 | 第70-94页 |
| 4.1 协同表示与多核学习 | 第70-72页 |
| 4.1.1 核协同表示分类 | 第70-71页 |
| 4.1.2 多核学习 | 第71-72页 |
| 4.2 多核自适应协同表示算法 | 第72-82页 |
| 4.2.1 多核自适应协同表示模型 | 第72-74页 |
| 4.2.2 两步学习策略与评价 | 第74-77页 |
| 4.2.3 核组合模式 | 第77-81页 |
| 4.2.4 基于残差准则的分类 | 第81-82页 |
| 4.3 模型多样性的遥感影像分类与分析 | 第82-92页 |
| 4.3.1 多核模型融合的协同分类评估 | 第82-90页 |
| 4.3.2 多核方法与单核方法对比 | 第90-91页 |
| 4.3.3 运行效率分析 | 第91-92页 |
| 4.4 本章小结 | 第92-94页 |
| 第五章 空间加权的字典学习分类 | 第94-119页 |
| 5.1 联合表示与字典学习 | 第94-95页 |
| 5.1.1 基于空间均值的联合表示 | 第94-95页 |
| 5.1.2 字典学习 | 第95页 |
| 5.2 空间加权字典学习算法 | 第95-101页 |
| 5.2.1 空间加权字典学习模型 | 第96-97页 |
| 5.2.2 流数据与在线字典更新 | 第97-99页 |
| 5.2.3 基于稀疏特征的监督分类 | 第99-101页 |
| 5.3 基于稀疏特征的遥感影像分类与分析 | 第101-113页 |
| 5.3.1 基于稀疏特征的监督分类评估 | 第101-110页 |
| 5.3.2 不同空间窗口尺寸下的性能分析 | 第110-112页 |
| 5.3.3 不同训练字典数目下的性能分析 | 第112-113页 |
| 5.4 最优分类方法选择与分析 | 第113-117页 |
| 5.5 本章小结 | 第117-119页 |
| 第六章 结论与展望 | 第119-123页 |
| 6.1 研究结论 | 第119-121页 |
| 6.2 论文创新点 | 第121页 |
| 6.3 研究展望 | 第121-123页 |
| 参考文献 | 第123-140页 |
| 攻博期间科研成果 | 第140-142页 |
| 致谢 | 第142-143页 |
