高光谱图像分辨率增强及在小目标检测中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-30页 |
| ·课题背景及研究的目的意义 | 第13-14页 |
| ·高光谱成像技术发展概况 | 第14-17页 |
| ·相关技术的国内外研究现状 | 第17-29页 |
| ·目标检测技术研究现状 | 第17-19页 |
| ·遥感图像分辨率增强研究现状 | 第19-24页 |
| ·光谱解混研究现状 | 第24-27页 |
| ·统计机器学习理论综述 | 第27-29页 |
| ·论文的主要研究内容和结构安排 | 第29-30页 |
| 第2章 遥感基础及高光谱图像特性分析 | 第30-44页 |
| ·引言 | 第30页 |
| ·高光谱遥感中的电磁波理论基础 | 第30-34页 |
| ·电磁波与地表的相互作用 | 第30-33页 |
| ·辐射传输方程 | 第33-34页 |
| ·高光谱图像特性分析及降维算法 | 第34-43页 |
| ·高光谱图像特性分析 | 第35-38页 |
| ·高光谱图像特征提取/降维 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 基于支持向量数据描述的目标检测算法 | 第44-62页 |
| ·引言 | 第44页 |
| ·典型高光谱图像目标检测算法及效果评价方法 | 第44-49页 |
| ·光谱角度填图法 | 第45-46页 |
| ·约束能量最小化算法 | 第46-47页 |
| ·检测算法评价及ROC曲线 | 第47-49页 |
| ·分析与讨论 | 第49页 |
| ·基于支持向量机数据描述的高光谱图像目标检测 | 第49-61页 |
| ·支持向量数据描述原理及性能分析 | 第50-56页 |
| ·基于SVDD的目标检测算法原理及实现 | 第56-57页 |
| ·实验结果与分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第4章 基于融合的高光谱图像分辨率增强 | 第62-81页 |
| ·引言 | 第62页 |
| ·遥感图像高精度配准 | 第62-69页 |
| ·基于高斯拟合的配准控制点提取算法 | 第62-66页 |
| ·实验结果及分析 | 第66-69页 |
| ·增强空间信息的高光谱图像数据融合 | 第69-80页 |
| ·基于回归的融合算法 | 第70-72页 |
| ·基于相关向量回归的融合算法 | 第72-76页 |
| ·仿真实验及性能分析 | 第76-78页 |
| ·分辨率增强在小目标检测的应用 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第5章 基于线性光谱解混的高光谱图像分辨率增强 | 第81-111页 |
| ·引言 | 第81页 |
| ·线性光谱混合模型 | 第81-83页 |
| ·基于无监督聚类的高光谱图像端元提取 | 第83-94页 |
| ·N-FINDR算法及其不足 | 第84-86页 |
| ·基于无监督聚类的端元提取算法 | 第86-89页 |
| ·实验结果与分析 | 第89-94页 |
| ·基于支持向量数据描述的混合像素分解 | 第94-101页 |
| ·未知端元对解混的影响分析 | 第94-95页 |
| ·混合像素分解算法 | 第95-96页 |
| ·实验结果与讨论 | 第96-101页 |
| ·混合像元分解后的分辨率增强 | 第101-109页 |
| ·基于空间相关性的子像素制图方法 | 第102-103页 |
| ·基于感兴趣目标的子像素制图方法 | 第103-105页 |
| ·分辨率增强在小目标检测中的应用及性能评价 | 第105-109页 |
| ·本章小结 | 第109-111页 |
| 结论 | 第111-113页 |
| 参考文献 | 第113-124页 |
| 攻读学位期间发表的学术论文及其它成果 | 第124-126页 |
| 致谢 | 第126-127页 |
| 个人简历 | 第127页 |
