| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 课题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容及论文结构 | 第12-14页 |
| 第2章 光谱解混基础 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 高光谱混合模型 | 第14-15页 |
| 2.2.1 高光谱混合原理 | 第14-15页 |
| 2.2.2 光谱线性混合模型 | 第15页 |
| 2.3 高光谱解混数学基础 | 第15-24页 |
| 2.3.1 凸面几何学 | 第16-18页 |
| 2.3.2 非负矩阵分解 | 第18-20页 |
| 2.3.3 交替方向乘子法 | 第20-24页 |
| 2.4 光谱解混数据来源 | 第24-27页 |
| 2.4.1 仿真数据的构造 | 第24-26页 |
| 2.4.2 真实数据的来源 | 第26-27页 |
| 2.5 光谱解混评价指标 | 第27-29页 |
| 第3章 鲁棒最小体积外包单纯形解混算法 | 第29-52页 |
| 3.1 引言 | 第29页 |
| 3.2 最小体积外包单纯形算法 | 第29-32页 |
| 3.3 鲁棒最小体积外包单纯形解混算法 | 第32-38页 |
| 3.3.1 鲁棒最小体积外包单纯形解混算法模型的建立 | 第32-34页 |
| 3.3.2 鲁棒最小体积外包单纯形解混算法的求解 | 第34-37页 |
| 3.3.3 鲁棒最小体积外包单纯形解混算法参数的自适应调节方法 | 第37-38页 |
| 3.4 仿真实验 | 第38-51页 |
| 3.4.1 人造数据仿真实验 | 第38-49页 |
| 3.4.2 真实数据仿真实验 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于非负矩阵分解的光谱解混算法 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2 基于1_l图的物质相关性非负矩阵分解解混算法 | 第52-63页 |
| 4.2.1 物质相关性正则项与1_l图介绍 | 第52-54页 |
| 4.2.2 基于1_l图的物质相关性估计方法 | 第54-56页 |
| 4.2.3 基于1_l图的物质相关性非负矩阵分解解混算法模型与求解 | 第56-58页 |
| 4.2.4 算法收敛性证明 | 第58-61页 |
| 4.2.5 算法的实施流程与算法细节处理 | 第61-63页 |
| 4.3 仿真实验 | 第63-69页 |
| 4.3.1 人造数据仿真实验 | 第63-66页 |
| 4.3.2 真实数据仿真实验 | 第66-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第5章 基于稀疏回归的光谱解混算法 | 第70-96页 |
| 5.1 引言 | 第70页 |
| 5.2 稀疏解混算法 | 第70-76页 |
| 5.2.1 稀疏解混算法的一般模型 | 第71-72页 |
| 5.2.2 添加空间信息正则项的稀疏解混算法 | 第72-76页 |
| 5.3 基于超图正则项的稀疏解混算法 | 第76-86页 |
| 5.3.1 超图 | 第76-79页 |
| 5.3.2 超图正则化的稀疏解混算法模型 | 第79-82页 |
| 5.3.3 超图正则化的稀疏解混算法的求解 | 第82-86页 |
| 5.4 仿真实验 | 第86-95页 |
| 5.4.1 人造数据仿真实验 | 第86-93页 |
| 5.4.2 真实数据仿真实验 | 第93-95页 |
| 5.5 本章小结 | 第95-96页 |
| 结论 | 第96-98页 |
| 参考文献 | 第98-105页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第105-107页 |
| 致谢 | 第107页 |
