基于Gauss分布的自适应阈值高光谱图像分类研究

摘要	第1-4页
Abstract	第4-7页
1 绪论	第7-14页
·高光谱成像技术介绍	第7页
·高光谱图像的数据特点	第7-9页
·高光谱图像分类概述	第9-12页
·高光谱图像分类的特点	第9-11页
·高光谱图像分类的研究意义与进展	第11-12页
·本文研究内容与组织结构	第12-14页
2 经典高光谱图像分类技术研究	第14-27页
·监督分类算法	第14-19页
·最小距离分类	第14页
·Fisher线性判别分类	第14-18页
·贝叶斯判别分类	第18-19页
·非监督分类算法	第19-23页
·K-均值算法	第19-21页
·ISODATA算法	第21-23页
·针对高光谱图像特点的分类算法	第23-25页
·光谱波形匹配	第23-25页
·光谱角匹配	第25页
·本章小结	第25-27页
3 高光谱图像分类的自适应阈值选取	第27-39页
·高光谱图像的直方图	第27页
·经典阈值选取方法	第27-32页
·迭代式阈值选择	第28-29页
·大津法(Otsu)阈值选择	第29-31页
·最小误差阈值选择法	第31-32页
·基于Gauss拟合的自适应闽值选择	第32-38页
·基本原理	第33-35页
·实验结果与分析	第35-38页
·本章小结	第38-39页
4 基于自适应阈值的高光谱图像分类方法	第39-46页
·高维数据降维	第39-43页
·主成分分析法	第39-42页
·基于最小关联窗口的降维	第42-43页
·像块合并	第43-45页
·本章小结	第45-46页
5 自适应阈值分类方法的实现及其应用	第46-57页
·高光谱图像分类结果与实验分析	第46-50页
·自适应阈值分类方法在隐身目标探测中的应用	第50-53页
·自适应阈值分类方法在微小目标探测中的应用	第53-55页
·本章小结	第55-57页
6 总结与展望	第57-58页
致谢	第58-59页
参考文献	第59-62页
附录	第62页