高光谱图像降维及端元提取算法的研究
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 降维技术的研究现状 | 第11-12页 |
| 1.2.2 端元提取技术的研究现状 | 第12-13页 |
| 1.3 论文内容和结构安排 | 第13-15页 |
| 第2章 遥感图像分类及预处理技术 | 第15-34页 |
| 2.1 引言 | 第15-17页 |
| 2.2 遥感图像分类技术 | 第17-22页 |
| 2.2.1 监督分类概述 | 第17-18页 |
| 2.2.2 非监督分类概述 | 第18-20页 |
| 2.2.3 支持向量机与相关向量机 | 第20-21页 |
| 2.2.4 分类性能评价 | 第21-22页 |
| 2.3 高光谱图像降维技术 | 第22-26页 |
| 2.3.1 特征提取降维方法 | 第22-24页 |
| 2.3.2 波段选择降维方法 | 第24-26页 |
| 2.4 高光谱图像端元提取技术 | 第26-29页 |
| 2.4.1 端元识别算法 | 第26-28页 |
| 2.4.2 端元生成算法 | 第28-29页 |
| 2.5 遥感图像融合技术 | 第29-33页 |
| 2.5.1 遥感图像经典融合算法 | 第29-30页 |
| 2.5.2 融合质量评价 | 第30-32页 |
| 2.5.3 几种融合算法的仿真比较 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 禁忌搜索特征降维算法 | 第34-45页 |
| 3.1 降维的必要性 | 第34-35页 |
| 3.2 禁忌搜索算法 | 第35-37页 |
| 3.2.1 局部邻域搜索的扩展 | 第35-36页 |
| 3.2.2 禁忌搜索算法的重要参数 | 第36-37页 |
| 3.2.3 禁忌搜索算法的流程 | 第37页 |
| 3.3 TSFR算法 | 第37-40页 |
| 3.3.1 CS系数计算模块 | 第37-38页 |
| 3.3.2 邻域解生成模块 | 第38-39页 |
| 3.3.3 TSFR算法 | 第39-40页 |
| 3.4 基于TSFR算法的高光谱图像降维 | 第40-43页 |
| 3.4.1 高光谱数据 | 第40-41页 |
| 3.4.2 实验参数选取 | 第41-42页 |
| 3.4.3 仿真结果与分析 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 细化思想及独立性下的端元提取算法 | 第45-58页 |
| 4.1 端元提取的相关概念 | 第45-48页 |
| 4.1.1 混合像元分解模型 | 第45-46页 |
| 4.1.2 丰度估计算法 | 第46-47页 |
| 4.1.3 混合像元的分解精度评价 | 第47-48页 |
| 4.2 改进的端元提取算法 | 第48-52页 |
| 4.2.1 高维单形体体积准则下的端元提取算法 | 第48-49页 |
| 4.2.2 端元独立性 | 第49页 |
| 4.2.3 细化思想 | 第49-50页 |
| 4.2.4 改进算法描述 | 第50-52页 |
| 4.3 基于改进算法的端元提取 | 第52-56页 |
| 4.3.1 实验目的 | 第52页 |
| 4.3.2 人工合成数据的仿真实验 | 第52-54页 |
| 4.3.3 真实高光谱图像的仿真实验 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
