| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第17-29页 |
| 1.1 研究背景及意义 | 第17-22页 |
| 1.1.1 高光谱遥感影像 | 第17-18页 |
| 1.1.2 混合像元问题 | 第18-20页 |
| 1.1.3 混合像元分解及其研究意义 | 第20-22页 |
| 1.2 解混方法的研究现状 | 第22-26页 |
| 1.2.1 混合像元分解模型 | 第22-23页 |
| 1.2.2 有监督解混方法研究 | 第23-24页 |
| 1.2.3 无监督解混方法研究 | 第24-25页 |
| 1.2.4 半监督解混方法研究 | 第25-26页 |
| 1.3 本文主要研究内容及创新点 | 第26-27页 |
| 1.4 本文的组织结构 | 第27-29页 |
| 第二章 稀疏解混方法概述 | 第29-38页 |
| 2.1 传统的稀疏解混模型和算法 | 第29-32页 |
| 2.1.1 ?_0优化模型及贪婪算法 | 第30页 |
| 2.1.2 ?_1优化模型及SUnSAL算法 | 第30-31页 |
| 2.1.3 ?_p优化模型及IRLS求解 | 第31页 |
| 2.1.4 近似稀疏约束模型及算法 | 第31-32页 |
| 2.2 结合空间信息的稀疏解混模型和算法 | 第32-35页 |
| 2.2.1 基于全变分空间约束的稀疏解混 | 第33页 |
| 2.2.2 联合稀疏解混模型和算法 | 第33-34页 |
| 2.2.3 非局部空间约束的稀疏解混 | 第34-35页 |
| 2.2.4 低秩稀疏解混模型和算法 | 第35页 |
| 2.3 稀疏解混结果的质量评价 | 第35-37页 |
| 2.3.1 模拟数据质量评价 | 第36页 |
| 2.3.2 真实数据质量评价 | 第36-37页 |
| 2.4 本章小节 | 第37-38页 |
| 第三章 光谱相似性引导的非凸稀疏解混 | 第38-57页 |
| 3.1 数据驱动的相似性约束 | 第38-39页 |
| 3.2 非凸稀疏正则 | 第39-40页 |
| 3.3 模型及算法描述 | 第40-43页 |
| 3.3.1 光谱相似性加权的非凸稀疏解混模型 | 第40-41页 |
| 3.3.2 基于ADMM的数值优化算法 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-53页 |
| 3.4.1 模拟数据实验 | 第43-51页 |
| 3.4.2 真实数据实验 | 第51-53页 |
| 3.5 本章小节 | 第53-57页 |
| 第四章 基于Framelet分分解的稀疏解混 | 第57-79页 |
| 4.1 Framelet变换及其图像表示 | 第57-59页 |
| 4.2 模型及算法描述 | 第59-68页 |
| 4.2.1 基于Framelet分解的稀疏解混模型 | 第59-62页 |
| 4.2.2 基于分裂Bregman的数值优化 | 第62-68页 |
| 4.3 实验结果与分析 | 第68-78页 |
| 4.3.1 模拟数据实验 | 第68-75页 |
| 4.3.2 真实数据实验 | 第75-78页 |
| 4.4 本章小节 | 第78-79页 |
| 第五章 基于低秩重构约束的稀疏解混 | 第79-102页 |
| 5.1 丰度低秩与重构低秩 | 第79-80页 |
| 5.2 模型及算法描述 | 第80-86页 |
| 5.2.1 结合低秩重构的稀疏解混模型 | 第80-82页 |
| 5.2.2 基于ADMM的数值优化算法 | 第82-86页 |
| 5.3 实验结果与分析 | 第86-101页 |
| 5.3.1 模拟数据实验 | 第86-91页 |
| 5.3.2 真实数据实验 | 第91-95页 |
| 5.3.3 与SLpSU和FSU的比较实验 | 第95-101页 |
| 5.4 本章小节 | 第101-102页 |
| 第六章 结论及展望 | 第102-104页 |
| 6.1 总结 | 第102-103页 |
| 6.2 展望 | 第103-104页 |
| 参考文献 | 第104-116页 |
| 后记 | 第116-118页 |
| 博士期间发表的论文 | 第118-119页 |
| 博士期间参与的科研项目 | 第119-120页 |
| 个人简历 | 第120页 |