首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

高光谱遥感图像的稀疏表示分类方法研究

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13-16页
第一章 绪论第16-20页
    1.1 课题背景及研究意义第16-17页
    1.2 高光谱图像分类的研究现状与面临的问题第17-18页
    1.3 论文主要工作和内容安排第18-20页
第二章 高光谱图像稀疏表示分类第20-39页
    2.1 引言第20页
    2.2 高光谱图像分类第20-26页
        2.2.1 高光谱图像数据表示与分析第20-21页
        2.2.2 高光谱图像特征第21页
        2.2.3 高光谱图像分类方法概述第21-26页
    2.3 稀疏表示算法第26-31页
        2.3.1 稀疏表示算法原理第26-28页
        2.3.2 稀疏表示在高光谱图像分类中的应用第28-31页
    2.4 实验第31-38页
        2.4.1 Indian Pines数据第32-35页
        2.4.2 Pavia校园高光谱遥感图像实验第35-38页
    2.5 本章小结第38-39页
第三章 基于字典和波段重组的高光谱图像稀疏表示分类方法第39-60页
    3.1 引言第39页
    3.2 基于字典和波段重组的高光谱图像稀疏表示快速分类方法第39-47页
        3.2.1 高光谱图像预处理第41-42页
        3.2.2 高光谱图像波段重组第42-45页
        3.2.3 基于字典的最近邻高光谱图像分类方法第45-46页
        3.2.4 n-KNN图像融合策略第46-47页
    3.3 实验结果及分析第47-59页
        3.3.1 Indian Pines实验第47-53页
        3.3.2 Pavia大学高光谱遥感图像实验第53-59页
    3.4 本章小结第59-60页
第四章 一种基于带权重的像元块的高光谱稀疏表示分类方法第60-78页
    4.1 引言第60页
    4.2 联合稀疏表示分类器JSRC第60-63页
    4.3 一种基于带权重的像元块的高光谱稀疏表示分类方法第63-66页
        4.3.1 算法原理第63-66页
        4.3.2 算法流程第66页
    4.4 实验结果及分析第66-76页
        4.4.1 Indian Pines实验第66-71页
        4.4.2 Pavia校园图实验第71-76页
    4.5 本章小结第76-78页
第五章 总结和展望第78-80页
    5.1 论文工作总结第78页
    5.2 未来工作展望第78-80页
参考文献第80-84页
致谢第84-86页
作者简介第86-87页

论文共87页,点击 下载论文
上一篇:Z公司国际市场营销案例分析
下一篇:高光谱异常检测算法研究