基于稀疏和流形的高光谱图像特征提取研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 高光谱图像处理的困难 | 第13-15页 |
| 1.3 高光谱图像特征提取算法研究现状 | 第15-17页 |
| 1.4 本文主要研究内容与结构 | 第17-18页 |
| 1.5 本文所采用的真实地物数据源 | 第18-21页 |
| 第2章 高光谱图像特征提取算法 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 高维数据描述 | 第21-22页 |
| 2.3 线性特征提取算法 | 第22-25页 |
| 2.3.1 主成分分析 | 第22-24页 |
| 2.3.2 线性鉴别分析 | 第24-25页 |
| 2.4 基于核的非线性特征提取算法 | 第25-26页 |
| 2.5 基于流形学习的无监督特征提取算法 | 第26-31页 |
| 2.5.1 等距特征映射 | 第26-28页 |
| 2.5.2 局部线性嵌入 | 第28-30页 |
| 2.5.3 拉普拉斯特征映射算法 | 第30页 |
| 2.5.4 近邻保持嵌入算法 | 第30-31页 |
| 2.6 半监督特征提取算法 | 第31-33页 |
| 2.6.1 半监督鉴别分析 | 第31-32页 |
| 2.6.2 局部鉴别分析 | 第32-33页 |
| 2.7 实验验证与分析 | 第33-35页 |
| 2.8 本章小结 | 第35-37页 |
| 第3章 半监督局部稀疏嵌入特征提取算法 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 快速求解稀疏图模型 | 第37-42页 |
| 3.2.1 稀疏表示模型 | 第37-39页 |
| 3.2.2 快速求解稀疏表示系数模型 | 第39-42页 |
| 3.3 半监督局部稀疏嵌入算法 | 第42-45页 |
| 3.3.1 基于局部几何关系的有监督算法 | 第42-43页 |
| 3.3.2 算法描述及流程图 | 第43-45页 |
| 3.4 高光谱数据特征提取评价指标 | 第45-46页 |
| 3.5 实验与分析 | 第46-53页 |
| 3.5.1 实验数据 | 第46-47页 |
| 3.5.2 实验过程 | 第47-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第4章 基于全局和局部流形结构的特征提取算法 | 第55-67页 |
| 4.1 引言 | 第55页 |
| 4.2 流形的定义和性质 | 第55-57页 |
| 4.3 线性流形特征提取算法 | 第57页 |
| 4.4 基于全局和局部流形结构的特征提取算法 | 第57-60页 |
| 4.5 实验与分析 | 第60-65页 |
| 4.6 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-77页 |
| 致谢 | 第77页 |
