首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于DSP与回溯搜索的高光谱图像解混

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第9-19页
    1.1 课题研究背景第9-11页
    1.2 课题研究现状第11-15页
        1.2.1 高光谱图像解混研究现状第11-14页
        1.2.2 群智能优化算法研究现状第14-15页
    1.3 DSP芯片的发展与应用第15-16页
    1.4 论文主要研究内容及其章节安排第16-19页
        1.4.1 本文主要研究内容第16-17页
        1.4.2 本文创新点第17页
        1.4.3 本文章节安排第17-19页
第二章 基于盲源分离的高光谱图像解混理论第19-29页
    2.1 盲源分离理论第19-22页
        2.1.1 盲源分离第19-20页
        2.1.2 盲源分离模型第20-21页
        2.1.3 盲源分离算法-FastICA第21-22页
    2.2 高光谱图像解混模型第22-23页
    2.3 群智能优化算法第23-28页
        2.3.1 粒子群优化算法第24-26页
        2.3.2 回溯搜索算法第26-28页
    2.4 本章小结第28-29页
第三章 基于回溯搜索的高光谱图像解混第29-35页
    3.1 基于回溯搜索的高光谱图像解混第29-31页
        3.1.1 信号预处理第29-30页
        3.1.2 算法过程描述第30-31页
    3.2 高光谱图像解混算法实验第31-34页
        3.2.1 BSA-CBSS仿真数据解混实验第31-32页
        3.2.2 BSA-CBSS真实遥感数据实验第32-33页
        3.2.3 BSA-CBSS与PSO-CBSS仿真数据解混性能比较实验第33-34页
    3.3 本章小结第34-35页
第四章 DSP在FastICA中的应用研究第35-45页
    4.1 DSP芯片的选择第35-36页
    4.2 TMS320C6748简介第36-38页
        4.2.1 TMS320C6748基本描述第36-37页
        4.2.2 TMS320C6748 CPU及其指令系统第37-38页
    4.3 开发环境CCS简介第38-40页
    4.4 FastICA的DSP实现第40-44页
    4.5 本章小结第44-45页
第五章 回溯搜索解混算法的DSP实现第45-55页
    5.1 DSP的软件设计第45-50页
        5.1.1 算法的总体实现第45-48页
        5.1.2 算法移植过程的问题第48-50页
    5.2 算法性能优化第50-52页
    5.3 实验结果第52-54页
        5.3.1 DSP平台仿真数据实验第52-53页
        5.3.2 DSP平台真实遥感数据实验第53-54页
        5.3.3 优化前后结果对比第54页
    5.4 本章小结第54-55页
第六章 结论第55-57页
    6.1 总结第55页
    6.2 展望第55-57页
参考文献第57-61页
攻读学位期间所取得的相关科研成果第61-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:基于胶体墨水技术铜铟硒薄膜的制备及性能研究
下一篇:含酚馏分油中酚类化合物的萃取过程研究