基于稀疏表示的高光谱图像解混研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-18页 |
| 第一章 绪论 | 第18-24页 |
| 1.1 课题研究的目的及意义 | 第18-19页 |
| 1.2 高光谱图像解混的研究现状及其发展趋势 | 第19-22页 |
| 1.2.1 高光谱遥感技术的发展与应用 | 第19-21页 |
| 1.2.2 混合像元分解的主要问题和发展趋势 | 第21-22页 |
| 1.3 本文的主要贡献和内容安排 | 第22-24页 |
| 第二章 高光谱图像解混技术的相关总结 | 第24-40页 |
| 2.1 高光谱图像解混模型概述 | 第24-29页 |
| 2.1.1 高光谱图像解混流程 | 第24-26页 |
| 2.1.2 线性光谱混合模型 | 第26-27页 |
| 2.1.3 非线性光谱混合模型 | 第27-29页 |
| 2.2 端元数目估计 | 第29页 |
| 2.3 基于几何方法的光谱解混 | 第29-33页 |
| 2.3.1 端元提取算法 | 第30-32页 |
| 2.3.2 丰度估计方法 | 第32-33页 |
| 2.4 基于统计方法的光谱解混 | 第33-36页 |
| 2.4.1 基于ICA的光谱解混 | 第33-34页 |
| 2.4.2 基于NMF的光谱解混 | 第34-35页 |
| 2.4.3 基于贝叶斯方法的光谱解混 | 第35-36页 |
| 2.5 基于稀疏方法的光谱解混 | 第36-38页 |
| 2.6 高光谱图像解混的精度评价 | 第38-39页 |
| 2.7 本章小结 | 第39-40页 |
| 第三章 基于空谱信息丰度约束的组稀疏解混 | 第40-62页 |
| 3.1 引言 | 第40-41页 |
| 3.2 基于协同稀疏回归的光谱解混 | 第41-43页 |
| 3.3 高光谱图像的空间结构及分割 | 第43-44页 |
| 3.3.1 高光谱图像的空间结构 | 第43页 |
| 3.3.2 高光谱图像的分割 | 第43-44页 |
| 3.4 光谱库的数据结构及修剪 | 第44-47页 |
| 3.4.1 光谱库的数据结构 | 第44-45页 |
| 3.4.2 光谱库的修剪 | 第45-47页 |
| 3.5 基于空谱信息丰度约束的光谱解混 | 第47-51页 |
| 3.5.1 目标函数 | 第47-48页 |
| 3.5.2 算法步骤 | 第48-51页 |
| 3.6 实验结果 | 第51-60页 |
| 3.6.1 模拟数据 | 第51-57页 |
| 3.6.2 真实数据 | 第57-60页 |
| 3.7 本章小结 | 第60-62页 |
| 第四章 基于分层行稀疏的高光谱图像解混 | 第62-76页 |
| 4.1 引言 | 第62页 |
| 4.2 分层行稀疏的概念 | 第62-63页 |
| 4.3 基于分层行稀疏的光谱解混 | 第63-68页 |
| 4.3.1 目标函数 | 第64-65页 |
| 4.3.2 算法步骤 | 第65-68页 |
| 4.4 实验结果 | 第68-74页 |
| 4.4.1 模拟数据 | 第68-73页 |
| 4.4.2 真实数据 | 第73-74页 |
| 4.5 本章小结 | 第74-76页 |
| 第五章 基于图正则的非负组稀疏编码用于端元提取 | 第76-88页 |
| 5.1 引言 | 第76页 |
| 5.2 高光谱图像端元提取预处理技术 | 第76-77页 |
| 5.3 图正则的非负组稀疏编码用于端元提取 | 第77-81页 |
| 5.3.1 目标函数 | 第78-79页 |
| 5.3.2 算法步骤 | 第79-81页 |
| 5.4 实验结果 | 第81-85页 |
| 5.4.1 模拟数据 | 第81-84页 |
| 5.4.2 真实数据 | 第84-85页 |
| 5.5 本章小结 | 第85-88页 |
| 第六章 总结和展望 | 第88-90页 |
| 6.1 工作总结 | 第88页 |
| 6.2 工作展望 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94-96页 |
| 作者简介 | 第96-97页 |
