首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于非线性空间的高光谱异常检测算法研究

摘要第1-4页
Abstract第4-5页
目录第5-7页
第一章 绪论第7-13页
   ·课题研究背景与意义第7-8页
   ·国内外研究现状第8-11页
     ·高光谱成像国内外发展现状第8-9页
     ·高光谱异常检测现状第9-11页
   ·本文研究内容与安排第11-13页
第二章 高光谱图像降维第13-27页
   ·高光谱遥感成像原理第13-14页
   ·图像降维的必要性第14-18页
     ·高光谱数据模型第14-16页
     ·降维的必要性第16-18页
   ·高光谱图像的降维算法研究第18-24页
     ·波段选择降维第18-20页
     ·特征提取降维第20-24页
   ·本章小结第24-27页
第三章 基于 RX 高光谱异常检测算法第27-35页
   ·多元统计检测理论第27-31页
     ·贝叶斯判别第27-29页
     ·奈曼-皮尔逊准则第29-30页
     ·广义似然比试验(GLRT)第30-31页
   ·基于 RX 的高光谱异常检测算法第31-32页
   ·实验仿真和分析第32-34页
   ·本章小结第34-35页
第四章 基于核函数方法的异常检测算法第35-45页
   ·核函数方法第35-36页
     ·核函数第35-36页
     ·核函数方法第36页
   ·基于核函数方法的高光谱异常检测算法第36-42页
     ·KRX 算法第36-39页
     ·KPCA 算法第39-42页
   ·实验仿真和分析第42-43页
   ·本章总结第43-45页
第五章 基于非线性空间的高光谱异常检测算法第45-53页
   ·基于非线性空间的高光谱异常检测算法第45-47页
     ·图像融合技术第45-46页
     ·基于图像融合的异常检测算法原理第46-47页
   ·ROC 曲线第47-48页
   ·实验仿真和分析第48-52页
   ·本章总结第52-53页
第六章 总结与展望第53-55页
致谢第55-57页
参考文献第57-63页
研究成果第63-64页

论文共64页,点击 下载论文
上一篇:基于图像特征空间学习的图像分类方法研究
下一篇:基于投影式非负张量分解方法的脑功能图像分类研究