ICA在高光谱遥感矿物蚀变信息提取中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·高光谱遥感矿物信息提取研究现状 | 第11-13页 |
| ·独立成分分析技术研究现状 | 第13-14页 |
| ·独立成分分析技术在高光谱遥感信息提取中的应用 | 第14-15页 |
| ·论文的研究内容和组织结构 | 第15-16页 |
| 第2章 独立成分分析技术简介 | 第16-27页 |
| ·ICA 的基本原理 | 第16-19页 |
| ·盲源分离问题 | 第16-18页 |
| ·独立成分分析的基本模型 | 第18页 |
| ·对基本模型的扩展研究 | 第18-19页 |
| ·ICA 的主要判据 | 第19-23页 |
| ·非高斯性极大化 | 第19-22页 |
| ·极大似然估计 | 第22页 |
| ·极小互信息 | 第22-23页 |
| ·ICA 常用算法 | 第23-27页 |
| ·数据的预处理 | 第23-24页 |
| ·独立成分分析的一般算法 | 第24页 |
| ·JADE 算法 | 第24-25页 |
| ·快速定点学习算法（FastICA） | 第25-27页 |
| 第3章 高光谱遥感图像的统计分类理论 | 第27-37页 |
| ·高光谱数据特性分析 | 第27-33页 |
| ·高光谱遥感图像的数据表示 | 第27-30页 |
| ·高光谱遥感数据的高维特性 | 第30-31页 |
| ·高光谱遥感数据的统计特性 | 第31-33页 |
| ·高光谱遥感图像的特征提取 | 第33-35页 |
| ·特征提取技术 | 第34页 |
| ·特征选择技术 | 第34页 |
| ·基于ICA 的特征提取 | 第34-35页 |
| ·高光谱遥感图像分类技术 | 第35-37页 |
| ·监督分类与非监督分类 | 第35页 |
| ·混合光谱分解 | 第35-36页 |
| ·基于ICA 的混合像元分解 | 第36-37页 |
| 第4章 高光谱遥感矿物蚀变信息提取原理和方法 | 第37-42页 |
| ·岩石矿物光谱特性 | 第37-40页 |
| ·矿物的光谱特性 | 第37-38页 |
| ·岩石的光谱特性 | 第38-39页 |
| ·蚀变岩石的光谱特性 | 第39-40页 |
| ·遥感蚀变信息提取流程 | 第40-42页 |
| ·传统的高光谱遥感信息提取 | 第40-41页 |
| ·基于ICA 的高光谱遥感信息提取 | 第41-42页 |
| 第5章 实验及结果分析 | 第42-50页 |
| ·数据准备 | 第42-43页 |
| ·基于ICA 的高光谱遥感图像特征提取 | 第43-46页 |
| ·虚拟维数估计 | 第43-44页 |
| ·基于FastICA 的特征提取 | 第44页 |
| ·特征提取后对分类效果的影响 | 第44-46页 |
| ·基于ICA 的高光谱遥感数据非监督分类 | 第46-48页 |
| ·构造模拟图像 | 第46-47页 |
| ·基于ICA 的线性解混 | 第47页 |
| ·解混效果分析 | 第47-48页 |
| ·实际遥感图像分析 | 第48-50页 |
| 结论 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读学位期间取得学术成果 | 第55页 |
