| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-12页 |
| 1 绪论 | 第12-26页 |
| ·研究背景及意义 | 第12-14页 |
| ·高光谱遥感影像分类技术的研究现状 | 第14-16页 |
| ·基于光谱特征分析与匹配的高光谱遥感影像分类方法 | 第14页 |
| ·基于统计机器学习理论的高光谱遥感影像分类方法 | 第14-16页 |
| ·存在的问题 | 第16页 |
| ·半监督分类方法的研究现状 | 第16-20页 |
| ·基于半监督学习的高光谱遥感影像分类方法研究现状 | 第20-22页 |
| ·论文的研究内容和技术路线 | 第22-23页 |
| ·论文的章节安排 | 第23-26页 |
| 2 高光谱遥感影像的预处理及试验图像 | 第26-42页 |
| ·高光谱遥感影像的获取技术 | 第26-27页 |
| ·光学成像 | 第26页 |
| ·空间扫描 | 第26-27页 |
| ·光谱分光 | 第27页 |
| ·高光谱遥感影像的预处理技术 | 第27-29页 |
| ·大气辐射校正 | 第27-28页 |
| ·几何校正 | 第28-29页 |
| ·噪声去除 | 第29页 |
| ·试验图像介绍 | 第29-40页 |
| ·AVIRIS类型的高光谱遥感影像 | 第30-32页 |
| ·Hyperion高光谱遥感影像 | 第32-34页 |
| ·PHI类型的高光谱遥感影像数据 | 第34-36页 |
| ·OMIS高光谱遥感影像 | 第36-38页 |
| ·UHD高光谱遥感影像 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 3 多分类Logistic回归与Renyi熵融合的自训练半监督分类方法 | 第42-68页 |
| ·多分类Logistic回归算法原理 | 第42-46页 |
| ·二分类Logistic回归模型 | 第43页 |
| ·多分类Logistic回归模型 | 第43-45页 |
| ·Logistic回归模型参数估计 | 第45-46页 |
| ·信息熵与Renyi熵原理 | 第46-47页 |
| ·信息熵 | 第46-47页 |
| ·Renyi熵 | 第47页 |
| ·算法融合后的半监督分类方法 | 第47-49页 |
| ·问题的描述 | 第48页 |
| ·基于多分类Logistic算法的高光谱分类过程 | 第48页 |
| ·基于Renyi熵理论的非标记标签转换过程 | 第48-49页 |
| ·算法的过程 | 第49-50页 |
| ·试验结果与分析 | 第50-67页 |
| ·各种算法分类性能的比较 | 第51-66页 |
| ·试验分析与评价 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 4 概率支持向量机与 D-S 证据理论融合的自训练半监督分类方法 | 第68-90页 |
| ·支持向量机和概率支持向量机理论 | 第68-74页 |
| ·线性二分类支持向量机模型 | 第68-70页 |
| ·非线性二分类支持向量机模型 | 第70-72页 |
| ·多分类支持向量机模型 | 第72-73页 |
| ·二分类概率支持向量机模型 | 第73-74页 |
| ·D-S证据理论原理 | 第74-75页 |
| ·证据理论的基本概念 | 第74-75页 |
| ·证据理论的合成法则 | 第75页 |
| ·算法融合后的半监督分类方法 | 第75-77页 |
| ·基于概率支持向量机算法的高光谱分类过程 | 第76页 |
| ·基于D-S证据理论的非标记标签转换过程 | 第76-77页 |
| ·算法的过程 | 第77-78页 |
| ·试验结果与分析 | 第78-89页 |
| ·各种算法分类性能的比较 | 第79-88页 |
| ·试验分析与评价 | 第88-89页 |
| ·本章小结 | 第89-90页 |
| 5 基于噪声估计与最小Renyi交叉熵融合的波段选择方法 | 第90-112页 |
| ·基于线性回归模型的噪声估计方法 | 第90-91页 |
| ·交叉熵和Renyi交叉熵 | 第91-92页 |
| ·交叉熵 | 第91-92页 |
| ·Renyi交叉熵 | 第92页 |
| ·波段相关性判定 | 第92-93页 |
| ·波段等分分组 | 第92页 |
| ·皮尔逊相关系数 | 第92-93页 |
| ·算法融合后的波段选择流程 | 第93-94页 |
| ·试验与结果分析 | 第94-111页 |
| ·算法降维性能的比较 | 第94-110页 |
| ·试验分析与评价 | 第110-111页 |
| ·本章小结 | 第111-112页 |
| 6 总结与展望 | 第112-116页 |
| ·总结 | 第112-113页 |
| ·创新点 | 第113页 |
| ·工作展望 | 第113-116页 |
| 参考文献 | 第116-129页 |
