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 |