| 摘要 | 第5-8页 |
| abstract | 第8-10页 |
| 第1章 绪论 | 第14-31页 |
| 1.1 课题研究的背景及意义 | 第14-15页 |
| 1.2 高光谱图像成像机理 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-21页 |
| 1.4 研究内容和章节安排 | 第21-23页 |
| 1.5 高光谱图像实验数据 | 第23-31页 |
| 第2章 高光谱图像特性分析及稀疏表示 | 第31-42页 |
| 2.1 引言 | 第31页 |
| 2.2 高光谱数据及特性分析 | 第31-33页 |
| 2.2.1 高光谱数据特点 | 第31-32页 |
| 2.2.2 高光谱数据表示方式 | 第32-33页 |
| 2.3 高光谱图像稀疏表示分析 | 第33-40页 |
| 2.3.1 压缩感知理论 | 第33-37页 |
| 2.3.2 高光谱图像的稀疏表示 | 第37-40页 |
| 2.4 本章小结 | 第40-42页 |
| 第3章 基于空谱联合稀疏表示的高光谱异常目标检测 | 第42-83页 |
| 3.1 引言 | 第42页 |
| 3.2 局部线性嵌入重构权值矩阵的核协同表示优化 | 第42-45页 |
| 3.3 基于LLE稀疏差异指数的高光谱异常检测 | 第45-64页 |
| 3.3.1 改进的稀疏差异指数 | 第46-48页 |
| 3.3.2 算法流程 | 第48页 |
| 3.3.3 实验结果和分析 | 第48-64页 |
| 3.4 线性局部切空间排列和背景共同稀疏表示 | 第64-66页 |
| 3.4.1 线性局部切空间排列简述 | 第64-65页 |
| 3.4.2 背景联合稀疏表示 | 第65-66页 |
| 3.5 基于空谱联合BJSR的高光谱异常检测 | 第66-82页 |
| 3.5.1 基于线性局部切空间排列的空谱联合BJSR | 第67页 |
| 3.5.2 实验结果和分析 | 第67-82页 |
| 3.6 本章小结 | 第82-83页 |
| 第4章 基于低秩稀疏分解的空谱联合高光谱异常目标检测 | 第83-113页 |
| 4.1 引言 | 第83页 |
| 4.2 高光谱图像的低秩稀疏矩阵分解模型 | 第83-85页 |
| 4.3 基于空谱联合低秩稀疏分解的高光谱异常检测 | 第85-98页 |
| 4.3.1 空谱联合稀疏差异指数 | 第85-87页 |
| 4.3.2 算法流程 | 第87页 |
| 4.3.3 实验结果和分析 | 第87-98页 |
| 4.4 基于低秩稀疏分解和空谱联合栈式自编码器的高光谱异常检测 | 第98-111页 |
| 4.4.1 栈式自编码器 | 第98-100页 |
| 4.4.2 基于局部马氏距离的异常检测 | 第100页 |
| 4.4.3 算法流程 | 第100-101页 |
| 4.4.4 实验结果和分析 | 第101-111页 |
| 4.5 本章小结 | 第111-113页 |
| 第5章 基于张量分析的高光谱异常目标检测 | 第113-147页 |
| 5.1 引言 | 第113-114页 |
| 5.2 高光谱图像张量分解理论 | 第114-115页 |
| 5.3 基于张量分解稀疏差异指数的高光谱异常目标检测 | 第115-125页 |
| 5.3.1 稀疏差异指数 | 第115-116页 |
| 5.3.2 算法流程 | 第116-117页 |
| 5.3.3 实验结果和分析 | 第117-125页 |
| 5.4 基于张量分解局部马氏距离的高光谱异常检测 | 第125-135页 |
| 5.4.1 利用较小的主成分剔除异常和噪声信息 | 第126页 |
| 5.4.2 基于局部马氏距离的异常检测算法 | 第126-127页 |
| 5.4.3 算法流程 | 第127页 |
| 5.4.4 实验结果和分析 | 第127-135页 |
| 5.5 基于张量自适应子空间的高光谱异常目标检测 | 第135-145页 |
| 5.5.1 基于张量的高光谱图像的二值假设和表示 | 第135-136页 |
| 5.5.2 基于张量的自适应子空间检测器 | 第136-137页 |
| 5.5.3 实验结果和分析 | 第137-145页 |
| 5.6 本章小结 | 第145-147页 |
| 结论 | 第147-149页 |
| 参考文献 | 第149-158页 |
| 攻读博士学位期间发表的论文和取得的科技成果 | 第158-159页 |
| 致谢 | 第159-160页 |
| 个人简历 | 第160页 |
