| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 概述 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 高光谱成像仪及高光谱图像分割技术研究状况 | 第9-11页 |
| 1.2.1 高光谱成像仪的研究状况 | 第9-10页 |
| 1.2.2 高光谱图像分割技术研究现状 | 第10-11页 |
| 1.3 本文的主要内容和组织结构 | 第11-14页 |
| 第二章 高光谱图像的降维处理 | 第14-34页 |
| 2.1 降维方法简介 | 第14-15页 |
| 2.1.1 降维的必要性 | 第14-15页 |
| 2.1.2 降维的主要方法 | 第15页 |
| 2.2 主成分分析法 | 第15-24页 |
| 2.3 最小噪声分离法(MNF) | 第24-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 超像素分割算法研究 | 第34-46页 |
| 3.1 几种常用的超像素分割方法 | 第34-39页 |
| 3.1.1 SLIC超像素分割 | 第34-36页 |
| 3.1.2 分水岭超像素 | 第36-38页 |
| 3.1.3 Turbopixel超像素 | 第38-39页 |
| 3.2 超像素分割算法实验对比 | 第39-43页 |
| 3.3 超像素的特征表达与相似性度量 | 第43-45页 |
| 3.3.1 特征表达 | 第43-44页 |
| 3.3.2 超像素的相似性度量 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 高光谱图像无监督分割算法研究 | 第46-56页 |
| 4.1 高光谱图像分割的理论基础 | 第46-47页 |
| 4.1.1 图像分割的原理 | 第46-47页 |
| 4.1.2 高光谱图像分割 | 第47页 |
| 4.2 基于超像素的高光谱图像分割算法 | 第47-48页 |
| 4.3 高光谱分割常用方法 | 第48-50页 |
| 4.3.1 基于k-means聚类的高光谱图像分割方法 | 第48-49页 |
| 4.3.2 形态梯度重构的分水岭高光谱图像分割方法 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |