| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 主要符号表 | 第17-18页 |
| 英文缩略词对照表 | 第18-19页 |
| 1 绪论 | 第19-33页 |
| 1.1 课题的研究背景及意义 | 第19-22页 |
| 1.1.1 研究背景 | 第19-21页 |
| 1.1.2 研究意义 | 第21-22页 |
| 1.2 课题研究现状 | 第22-30页 |
| 1.2.1 高光谱影像特征挖掘 | 第24-27页 |
| 1.2.2 高光谱影像地物分类 | 第27-30页 |
| 1.3 本文的主要研究内容与结构安排 | 第30-33页 |
| 1.3.1 主要研究内容 | 第30-31页 |
| 1.3.2 结构安排 | 第31-33页 |
| 2 相关技术概述 | 第33-51页 |
| 2.1 高光谱影像分类概述 | 第33-35页 |
| 2.2 从神经网络到深度网络 | 第35-43页 |
| 2.2.1 人工神经网络与深度网络 | 第35-38页 |
| 2.2.2 后向传播算法 | 第38-39页 |
| 2.2.3 层叠自动编码器 | 第39-42页 |
| 2.2.4 卷积神经网络 | 第42-43页 |
| 2.3 实验数据 | 第43-48页 |
| 2.3.1 Indian Pines场景高光谱影像 | 第44-45页 |
| 2.3.2 University of Pavia场景高光谱影像 | 第45-47页 |
| 2.3.3 Salinas场景高光谱数据 | 第47-48页 |
| 2.4 评价方法 | 第48-50页 |
| 2.4.1 混淆矩阵 | 第48-49页 |
| 2.4.2 总体精度与平均精度 | 第49页 |
| 2.4.3 Kappa系数 | 第49-50页 |
| 2.5 本章小结 | 第50-51页 |
| 3 基于深度网络的高光谱影像特征提取方法 | 第51-75页 |
| 3.1 引言 | 第51-52页 |
| 3.2 基于空间上下文深度网络的空谱特征提取 | 第52-58页 |
| 3.2.1 空间上下文信息提取 | 第52-55页 |
| 3.2.2 光谱信息提取 | 第55-56页 |
| 3.2.3 异常点去除 | 第56页 |
| 3.2.4 基于空间上下文信息的深度网络模型 | 第56-58页 |
| 3.3 基于相对距离约束的空谱特征提取 | 第58-61页 |
| 3.3.1 相对距离先验 | 第58-59页 |
| 3.3.2 基于相对距离先验的深度网络模型 | 第59-61页 |
| 3.4 实验结果与分析 | 第61-74页 |
| 3.4.1 SAE光谱特征提取 | 第61-67页 |
| 3.4.2 CDL空谱特征提取 | 第67-74页 |
| 3.5 本章小结 | 第74-75页 |
| 4 基于协同表示的高光谱影像监督分类方法 | 第75-92页 |
| 4.1 引言 | 第75-76页 |
| 4.2 基于表示的分类器 | 第76-81页 |
| 4.2.1 稀疏表示分类器 | 第76-79页 |
| 4.2.2 协同表示分类器 | 第79-81页 |
| 4.3 正则化协同表示 | 第81-84页 |
| 4.3.1 图割理论 | 第81-83页 |
| 4.3.2 空间正则化的协同表示分类方法 | 第83-84页 |
| 4.4 基于协同表示与深度网络的监督分类模型 | 第84-85页 |
| 4.5 实验结果与分析 | 第85-91页 |
| 4.5.1 实验设置 | 第85-86页 |
| 4.5.2 实验结果 | 第86-91页 |
| 4.6 本章小结 | 第91-92页 |
| 5 基于多决策标记的高光谱影像半监督分类方法 | 第92-110页 |
| 5.1 引言 | 第92-93页 |
| 5.2 主动学习 | 第93-95页 |
| 5.3 空间邻域信息样本标记 | 第95-97页 |
| 5.3.1 基于训练样本空间邻域信息的样本标记 | 第95-96页 |
| 5.3.2 基于测试样本空间领域信息的样本标记 | 第96-97页 |
| 5.4 多决策样本标记 | 第97-100页 |
| 5.4.1 局部决策 | 第97-98页 |
| 5.4.2 全局决策 | 第98-100页 |
| 5.4.3 基于自决策的未知样本标记 | 第100页 |
| 5.5 基于多决策标记与深度网络的半监督分类模型 | 第100-102页 |
| 5.6 实验结果与分析 | 第102-109页 |
| 5.6.1 实验设置 | 第102页 |
| 5.6.2 实验结果 | 第102-108页 |
| 5.6.3 参数分析 | 第108-109页 |
| 5.7 本章小结 | 第109-110页 |
| 6 高光谱影像分类应用实例 | 第110-120页 |
| 6.1 Botswana植被覆盖 | 第110-112页 |
| 6.1.1 实验数据 | 第110页 |
| 6.1.2 实验设计 | 第110-111页 |
| 6.1.3 结果与分析 | 第111-112页 |
| 6.2 Thetford Mines Area城市覆盖 | 第112-116页 |
| 6.2.1 实验数据 | 第112-113页 |
| 6.2.2 实验设计 | 第113-115页 |
| 6.2.3 结果与分析 | 第115-116页 |
| 6.3 Washington DC Mall城市覆盖 | 第116-119页 |
| 6.3.1 实验数据 | 第116-117页 |
| 6.3.2 实验设计 | 第117-118页 |
| 6.3.3 结果与分析 | 第118-119页 |
| 6.4 本章小结 | 第119-120页 |
| 7 结论与展望 | 第120-123页 |
| 7.1 结论 | 第120-121页 |
| 7.2 创新点 | 第121-122页 |
| 7.3 展望 | 第122-123页 |
| 参考文献 | 第123-133页 |
| 攻读博士学位期间科研项目及科研成果 | 第133-135页 |
| 致谢 | 第135-137页 |
| 作者简介 | 第137页 |
