| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第8-22页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 高光谱遥感图像分类研究现状 | 第9-10页 |
| 1.2.2 深度学习在高光谱遥感图像分类方面的进展 | 第10-13页 |
| 1.3 分类评价标准及实验数据 | 第13-18页 |
| 1.3.1 高光谱遥感图像分类评价标准 | 第13-14页 |
| 1.3.2 实验数据集 | 第14-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 参考文献 | 第19-22页 |
| 第2章 模型设计及相关技术 | 第22-31页 |
| 2.1 研究方案设计 | 第22-23页 |
| 2.2 系统流程设计 | 第23-24页 |
| 2.3 相关技术 | 第24-29页 |
| 2.3.1 GAN与ACGAN | 第24-26页 |
| 2.3.2 卷积神经网络 | 第26-28页 |
| 2.3.3 旋转不变性LBP算子 | 第28-29页 |
| 2.4 本章小结 | 第29页 |
| 参考文献 | 第29-31页 |
| 第3章 基于ACGAN的高光谱遥感图像分类 | 第31-47页 |
| 3.1 基于ACGAN的高光谱遥感图像分类 | 第31-39页 |
| 3.1.1 算法及流程设计 | 第31-32页 |
| 3.1.2 ACGAN结构及参数设计 | 第32-34页 |
| 3.1.3 实验结果及分析 | 第34-38页 |
| 3.1.4 与其他分类器的比较 | 第38-39页 |
| 3.2 基于光谱特征提取的高光谱遥感图像分类 | 第39-45页 |
| 3.2.1 算法流程设计 | 第40页 |
| 3.2.2 地物光谱特征提取 | 第40-41页 |
| 3.2.3 实验结果及分析 | 第41-44页 |
| 3.2.4 与其他分类器的比较 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 参考文献 | 第46-47页 |
| 第4章 结合光谱特征及空间特征的高光谱遥感图像分类 | 第47-63页 |
| 4.1 算法及流程设计 | 第47-48页 |
| 4.2 空间特征提取及融合 | 第48-51页 |
| 4.2.1 波段选择 | 第48-49页 |
| 4.2.2 提取空间特征向量 | 第49-51页 |
| 4.2.3 空-谱特征的拼接融合及分类 | 第51页 |
| 4.3 空间特征向量大小对分类精度的影响 | 第51-52页 |
| 4.4 实验结果及分析 | 第52-62页 |
| 4.4.1 几种模型分类结果比较 | 第57-59页 |
| 4.4.2 与其他分类方法比较 | 第59-60页 |
| 4.4.3 与其他方法相同大小训练集的分类结果对比 | 第60-62页 |
| 4.5 本章小结 | 第62页 |
| 参考文献 | 第62-63页 |
| 第5章 总结和展望 | 第63-67页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 进一步工作方向 | 第64-67页 |
| 致谢 | 第67-68页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第68页 |
