| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| §1.1 引言 | 第7页 |
| §1.2 高光谱遥感 | 第7-13页 |
| §1.2.1 基本概念 | 第7-9页 |
| §1.2.2 高光谱遥感技术的发展与应用 | 第9-10页 |
| §1.2.3 研究背景和现状 | 第10-13页 |
| §1.3 本文内容安排 | 第13-15页 |
| 第二章 高光谱数据获取和图像采集系统 | 第15-25页 |
| §2.1 引言 | 第15页 |
| §2.2 高光谱图像数据获取方法 | 第15-16页 |
| §2.3 基于LCTF的光谱图像采集系统 | 第16-24页 |
| §2.3.1 光学传感器的选择 | 第16-20页 |
| §2.3.2 光谱图像采集系统构成 | 第20-24页 |
| §2.4 小结 | 第24-25页 |
| 第三章 常用的高光谱图像降维方法分析 | 第25-44页 |
| §3.1 引言 | 第25页 |
| §3.2 利用波段选择进行降维 | 第25-31页 |
| §3.2.1 基于Shannon信息量度量的波段选择 | 第26-28页 |
| §3.2.2 基于最佳指数(OIF)的波段选择 | 第28-30页 |
| §3.2.3 基于类别可分性度量的波段选择 | 第30-31页 |
| §3.3 通过划分数据源进行降维 | 第31-36页 |
| §3.3.1 等间隔划分数据源 | 第32页 |
| §3.3.2 基于光谱范围划分数据源 | 第32-33页 |
| §3.3.3.自适应划分数据源 | 第33-36页 |
| §3.4 利用特征提取进行降维 | 第36-42页 |
| §3.4.1 主成分分析方法 | 第36-41页 |
| §3.4.2 其它利用特征提取降维的方法 | 第41-42页 |
| §3.5 其它降维方法 | 第42-43页 |
| §3.6 小结 | 第43-44页 |
| 第四章 投影寻踪方法及其在高光谱图像处理上的应用 | 第44-60页 |
| §4.1 引言 | 第44页 |
| §4.2 投影寻踪概述 | 第44-46页 |
| §4.3 投影寻踪在高光谱数据降维中的应用 | 第46-51页 |
| §4.3.1 常用的几种用于高光谱图像降维的投影指标 | 第46-48页 |
| §4.3.2 优化算法 | 第48-49页 |
| §4.3.3 常规投影寻踪算法的仿真分析 | 第49-51页 |
| §4.4 基于自适应子空间划分的序贯投影寻踪方法 | 第51-59页 |
| §4.4.1 算法的具体过程 | 第52-56页 |
| §4.4.2 仿真分析 | 第56-59页 |
| §4.5 小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-62页 |
| §5.1 本文工作总结 | 第60-61页 |
| §5.2 展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 附录一 | 第69-72页 |
| 附录二 | 第72-76页 |
| 附录三 | 第76-77页 |
| 发表文章 | 第77-78页 |
| 致谢 | 第78-79页 |