| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-13页 |
| 1.2 端元提取算法研究现状 | 第13-15页 |
| 1.3 论文的研究工作及总体架构 | 第15-18页 |
| 1.3.1 论文研究工作 | 第15-16页 |
| 1.3.2 论文结构 | 第16-18页 |
| 第2章 光谱混合模型及端元提取算法 | 第18-27页 |
| 2.1 光谱混合模型 | 第18-22页 |
| 2.1.1 线性光谱混合模型 | 第19-20页 |
| 2.1.2 非线性光谱混合模型 | 第20-22页 |
| 2.2 端元提取算法简述 | 第22-26页 |
| 2.2.1 自动目标检索算法（Automatic Target Generation Process，ATGP ) | 第22-23页 |
| 2.2.2 纯像元指数（Pixel Purity Index, PPI) | 第23-24页 |
| 2.2.3 单形体増长算法（Simplex Growing Algorithm, SGA) | 第24页 |
| 2.2.4 最小丰度估计协方差算法（Minimum Estimated Abundance Covariance, | 第24-25页 |
| 2.2.5 快速最小丰度估计协方差算法（Sequential Minimum Estimated Abundance | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 结合正交投影和最大似然估计理论的端元提取算法研究 | 第27-35页 |
| 3.1 正交投影类算法与极大似然估计类算法分析 | 第27-31页 |
| 3.1.1 ATGP算法与MEAC算法的优劣分析 | 第27-29页 |
| 3.1.2 ATGP算法与MEAC、SMEAC算法的关系 | 第29页 |
| 3.1.3 OSP算法与OVP算法关系 | 第29-31页 |
| 3.2 改进算法的提出 | 第31-34页 |
| 3.2.0 非监督的正交投影算法（Unsupervised Orthogonal Vector Projection, | 第31-32页 |
| 3.2.1 ATGP-M算法 | 第32-33页 |
| 3.2.2 UOVP-M算法 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 算法应用与数据分析 | 第35-59页 |
| 4.1 模拟图像对比实验 | 第35-51页 |
| 4.1.1 模拟图像简介 | 第35-37页 |
| 4.1.2 模拟图像实验 | 第37-50页 |
| 4.1.3 实验结论 | 第50-51页 |
| 4.2 真实高光谱图像上的实验 | 第51-57页 |
| 4.2.1 真实高光谱图像简介 | 第51页 |
| 4.2.2 真实高光谱图像的实验 | 第51-56页 |
| 4.2.3 实验结论 | 第56-57页 |
| 4.3 结果分析 | 第57-59页 |
| 第5章 总结与展望 | 第59-62页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 研究生履历 | 第66页 |
