| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 光谱混合模型 | 第15-17页 |
| 1.2.2 传统高光谱解混算法 | 第17-20页 |
| 1.2.3 稀疏高光谱解混算法 | 第20-21页 |
| 1.3 主要内容与章节安排 | 第21-22页 |
| 第二章 高光谱图像稀疏解混的理论基础 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 联合稀疏解混模型 | 第22-24页 |
| 2.3 贪婪算法 | 第24-27页 |
| 2.3.1 联合正交匹配追踪算法 | 第24-26页 |
| 2.3.2 联合子空间追踪算法 | 第26页 |
| 2.3.3 子空间匹配追踪算法 | 第26-27页 |
| 2.4 凸优化算法 | 第27-32页 |
| 2.4.1 SUnSAL算法 | 第28-29页 |
| 2.4.2 CLSUnSAL算法 | 第29-31页 |
| 2.4.3 SUnSAL-TV算法 | 第31-32页 |
| 2.5 贝叶斯算法 | 第32-35页 |
| 2.5.1 贝叶斯理论 | 第33-34页 |
| 2.5.2 稀疏贝叶斯学习理论 | 第34-35页 |
| 2.6 混合像元分解精度的评价指标 | 第35-37页 |
| 2.6.1 已知模拟图像数据的分解精度评价指标 | 第35-37页 |
| 2.6.2 未知真实图像数据的分解精度评价指标 | 第37页 |
| 2.7 本章小结 | 第37-38页 |
| 第三章 基于联合贪婪算法的稀疏解混算法 | 第38-64页 |
| 3.1 联合正交匹配追踪算法 | 第38-39页 |
| 3.2 基于回溯的联合正交匹配追踪的稀疏解混算法 | 第39-52页 |
| 3.2.1 基于回溯的联合正交匹配追踪算法 | 第39-41页 |
| 3.2.2 算法理论分析 | 第41-44页 |
| 3.2.3 实验结果与分析 | 第44-52页 |
| 3.3 递归字典联合正交匹配跟踪的稀疏解混算法 | 第52-63页 |
| 3.3.1 基于递归字典联合正交匹配跟踪的稀疏解混算法 | 第53-54页 |
| 3.3.2 算法理论分析 | 第54-56页 |
| 3.3.3 实验结果与分析 | 第56-63页 |
| 3.4 本章小结 | 第63-64页 |
| 第四章 基于联合稀疏贝叶斯学习的解混算法 | 第64-88页 |
| 4.1 联合稀疏贝叶斯学习模型 | 第64-67页 |
| 4.2 复合正则化的联合稀疏贝叶斯学习解混算法 | 第67-76页 |
| 4.2.1 算法推导 | 第68-69页 |
| 4.2.2 算法实现与步骤 | 第69-70页 |
| 4.2.3 实验结果与分析 | 第70-76页 |
| 4.3 基于空间相关性的联合稀疏贝叶斯学习解混算法 | 第76-87页 |
| 4.3.1 算法实现 | 第77-80页 |
| 4.3.2 实验结果与分析 | 第80-87页 |
| 4.4 本章小结 | 第87-88页 |
| 第五章 总结与展望 | 第88-90页 |
| 5.1 本文总结 | 第88页 |
| 5.2 展望分析 | 第88-90页 |
| 参考文献 | 第90-95页 |
| 致谢 | 第95-96页 |
| 在学期间的研究成果及发表的学术论文 | 第96页 |