摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-18页 |
1.1 研究对象的背景与意义 | 第11-12页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究意义 | 第12页 |
1.2 端元提取算法的研究现状与存在问题 | 第12-14页 |
1.2.1 端元提取技术在国内外的研究现状 | 第12-14页 |
1.2.2 端元提取技术存在的问题 | 第14页 |
1.3 论文的主要研究内容和技术路线 | 第14-18页 |
1.3.1 论文的主要研究内容 | 第14-16页 |
1.3.2 技术路线 | 第16-18页 |
第2章 高光谱影像端元提取技术的研究基础 | 第18-32页 |
2.1 线性混合光谱模型 | 第18-21页 |
2.1.1 线性混合光谱模型的数学描述 | 第19-20页 |
2.1.2 线性混合光谱模型的几何描述 | 第20-21页 |
2.2 数据降维 | 第21-23页 |
2.2.1 奇异值分解(SVD) | 第21-22页 |
2.2.2 主成分分析(PCA) | 第22-23页 |
2.3 数据端元数目估计 | 第23-26页 |
2.3.1 噪声估计 | 第24-25页 |
2.3.2 信号子空间推理 | 第25-26页 |
2.4 丰度估计算法 | 第26-27页 |
2.5 实验数据介绍 | 第27-32页 |
2.5.1 模拟数据 | 第27-28页 |
2.5.2 真实高光谱影像数据 | 第28-32页 |
第3章 遥感影像基于线性模型的端元提取算法 | 第32-48页 |
3.1 常用端元提取算法的比较 | 第32-33页 |
3.2 顶点成分分析算法(VCA) | 第33-38页 |
3.2.1 顶点成分分析算法原理 | 第33-34页 |
3.2.2 顶点成分分析算法步骤 | 第34页 |
3.2.3 顶点成分分析算法的优缺点 | 第34-35页 |
3.2.4 端元提取结果分析 | 第35-38页 |
3.3 自动目标生成方法(ATGP) | 第38-42页 |
3.3.1 自动目标生成算法原理 | 第38-39页 |
3.3.2 自动目标生成算法步骤 | 第39-40页 |
3.3.3 自动目标生成算法优缺点 | 第40页 |
3.3.4 端元提取结果分析 | 第40-42页 |
3.4 最小体积限制的非负矩阵分解算法(MVC-NMF) | 第42-48页 |
3.4.1 非负矩阵分解(NMF) | 第43-44页 |
3.4.2 最小体积限制的非负矩阵分解算法原理 | 第44-45页 |
3.4.3 最小体积限制的非负矩阵分解算法步骤 | 第45页 |
3.4.4 最小体积限制的非负矩阵分解算法优缺点 | 第45-46页 |
3.4.5 端元提取结果分析 | 第46-48页 |
第4章 MVC-NMF端元提取改进算法 | 第48-54页 |
4.1 端元提取空间预处理(SPEE) | 第48-49页 |
4.2 变量分裂和增广拉格朗日的稀疏分解(SUNSAL) | 第49-51页 |
4.2.1 交替方向乘子法(ADMM) | 第49-50页 |
4.2.2 解决完全约束最小二乘法问题 | 第50-51页 |
4.3 端元提取算法结果分析 | 第51-54页 |
4.3.1 模拟数据的端元提取结果分析 | 第51-52页 |
4.3.2 真实数据的端元提取结果分析 | 第52-54页 |
第5章 端元提取算法的比较与精度评估 | 第54-73页 |
5.1 端元提取技术的比较与精度评估 | 第54页 |
5.2 端元提取的光谱评价方法 | 第54-56页 |
5.2.1 光谱角(SAD) | 第54-55页 |
5.2.2 光谱信息散度(SID) | 第55页 |
5.2.3 光谱均方根误差(SRMSE) | 第55-56页 |
5.3 端元提取的丰度评价方法 | 第56-57页 |
5.3.1 丰度夹角距离(AAD) | 第56页 |
5.3.2 丰度信息散度(AID) | 第56页 |
5.3.3 丰度均方根误差(ARMSE) | 第56-57页 |
5.4 实验与分析 | 第57-73页 |
5.4.1 模拟数据的实验结果分析 | 第57-68页 |
5.4.2 真实影像数据的实验结果分析 | 第68-73页 |
第6章 总结和讨论 | 第73-76页 |
6.1 总结 | 第73-74页 |
6.2 讨论 | 第74-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-80页 |