| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 研究背景与意义 | 第16-21页 |
| 1.2 国内外研究现状 | 第21-26页 |
| 1.2.1 高光谱影像恢复 | 第22-24页 |
| 1.2.2 高光谱影像分类 | 第24-26页 |
| 1.3 论文研究内容与章节安排 | 第26-30页 |
| 1.3.1 研究内容 | 第26-28页 |
| 1.3.2 章节安排 | 第28-30页 |
| 第2章 基于空谱自适应稀疏表示的高光谱影像恢复 | 第30-58页 |
| 2.1 基于稀疏表示的噪声影像恢复 | 第31-33页 |
| 2.1.1 稀疏表示去噪模型与特性 | 第31-33页 |
| 2.1.2 联合稀疏表示去噪模型与特性 | 第33页 |
| 2.2 基于空谱自适应稀疏表示的噪声影像恢复 | 第33-37页 |
| 2.2.1 光谱自适应波段分组 | 第34-35页 |
| 2.2.2 空间自适应相似区域搜索 | 第35-36页 |
| 2.2.3 空谱自适应稀疏分解与重构 | 第36-37页 |
| 2.3 实验结果与分析 | 第37-52页 |
| 2.3.1 实验数据 | 第38-39页 |
| 2.3.2 客观评价指标 | 第39-41页 |
| 2.3.3 参数分析 | 第41-43页 |
| 2.3.4 实验结果 | 第43-52页 |
| 2.4 印第安纳农业区域场景影像恢复与农作物识别 | 第52-56页 |
| 2.4.1 实验数据 | 第52-53页 |
| 2.4.2 实验设计与分析 | 第53-56页 |
| 2.5 本章小结 | 第56-58页 |
| 第3章 基于点集对点集距离测度的高光谱影像分类 | 第58-82页 |
| 3.1 基于距离测度的分类方法 | 第59-61页 |
| 3.1.1 基于点对点距离测度的分类 | 第59-60页 |
| 3.1.2 基于点对点集距离测度的分类 | 第60页 |
| 3.1.3 基于点集对点集距离测度的分类 | 第60-61页 |
| 3.2 熵率超像素分割 | 第61-62页 |
| 3.3 基于点集对点集距离测度的空谱分类算法 | 第62-66页 |
| 3.3.1 训练/测试样本集的获取 | 第63-64页 |
| 3.3.2 基于凸包模型的样本点集表示 | 第64-65页 |
| 3.3.3 凸包距离计算与类别估计 | 第65-66页 |
| 3.4 实验结果与分析 | 第66-76页 |
| 3.4.1 实验数据 | 第66-67页 |
| 3.4.2 参数分析 | 第67-70页 |
| 3.4.3 实验结果 | 第70-76页 |
| 3.5 黄河口三角洲区域植被与水体制图 | 第76-80页 |
| 3.5.1 实验数据 | 第77页 |
| 3.5.2 实验设计与分析 | 第77-80页 |
| 3.6 本章小结与讨论 | 第80-82页 |
| 第4章 基于多分类器融合的高光谱影像分类 | 第82-111页 |
| 4.1 基于单分类器的高光谱影像分类 | 第83-87页 |
| 4.1.1 支持向量机分类器 | 第83-84页 |
| 4.1.2 稀疏表示分类器 | 第84-87页 |
| 4.2 基于最大后验概率准则的图像分割原理 | 第87-89页 |
| 4.2.1 最大后验概率准则 | 第87-88页 |
| 4.2.2 最大后验概率问题的优化求解 | 第88-89页 |
| 4.3 基于多分类器融合的高光谱分类 | 第89-92页 |
| 4.3.1 基于像素级支持向量机的类别概率估计 | 第89-90页 |
| 4.3.2 基于超像素级联合稀疏表示的类别概率估计 | 第90-91页 |
| 4.3.3 基于最大后验概率准则的融合分类策略 | 第91-92页 |
| 4.4 实验结果与分析 | 第92-105页 |
| 4.4.1 实验数据 | 第92-93页 |
| 4.4.2 参数分析 | 第93-96页 |
| 4.4.3 实验结果 | 第96-105页 |
| 4.5 博茨瓦纳湿地区域植被识别与灾害检测 | 第105-110页 |
| 4.5.1 实验数据 | 第105-107页 |
| 4.5.2 实验设计与分析 | 第107-110页 |
| 4.6 本章小结与讨论 | 第110-111页 |
| 第5章 基于多特征融合的高光谱影像分类 | 第111-137页 |
| 5.1 像素级、亚像素级、超像素级特征提取 | 第112-115页 |
| 5.1.1 像素级空间结构特征 | 第112-113页 |
| 5.1.2 亚像素级光谱混合特征 | 第113-115页 |
| 5.1.3 超像素级空谱相似性特征 | 第115页 |
| 5.2 基于像素级、亚像素级、超像素级特征的融合分类 | 第115-119页 |
| 5.2.1 特征级融合分类 | 第115-117页 |
| 5.2.2 决策级融合分类 | 第117-119页 |
| 5.3 实验结果与分析 | 第119-132页 |
| 5.3.1 实验数据 | 第119-121页 |
| 5.3.2 参数分析 | 第121-122页 |
| 5.3.3 实验结果 | 第122-132页 |
| 5.4 休斯敦大学周边城市地物分类与城区分布制图 | 第132-135页 |
| 5.4.1 实验数据 | 第132页 |
| 5.4.2 实验设计与分析 | 第132-135页 |
| 5.5 本章小结与讨论 | 第135-137页 |
| 第6章 结论与展望 | 第137-141页 |
| 6.1 本文主要工作 | 第137-140页 |
| 6.2 下一步研究方向 | 第140-141页 |
| 参考文献 | 第141-150页 |
| 致谢 | 第150-152页 |
| 附录A:攻读学位期间所发表的学术论文及申请的专利 | 第152-154页 |
| 附录B:攻读学位期间申请专利及获得的奖励 | 第154页 |