| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 课题背景及研究意义 | 第13-18页 |
| 1.1.1 高光谱遥感图像 | 第13-17页 |
| 1.1.2 激光检测与测量仪器 | 第17页 |
| 1.1.3 基于无人机采集的高分辨率多光谱数据 | 第17-18页 |
| 1.1.4 课题来源 | 第18页 |
| 1.2 森林多源遥感数据分析方法的国内外研究现状 | 第18-24页 |
| 1.2.1 多任务学习算法 | 第21-23页 |
| 1.2.2 基于稀疏自动编码器的深度学习算法 | 第23-24页 |
| 1.3 课题主要研究内容及结构安排 | 第24-27页 |
| 第2章 分析森林相关遥感数据的基本理论 | 第27-43页 |
| 2.1 引言 | 第27页 |
| 2.2 研究区与实验数据 | 第27-32页 |
| 2.3 多/高光谱图像分析方法 | 第32-35页 |
| 2.3.1 二元假设模型 | 第32页 |
| 2.3.2 基于联合表示的多/高光谱图像目标检测算法 | 第32-34页 |
| 2.3.3 基于自动编码器的深度学习多/高光谱图像分类算法 | 第34-35页 |
| 2.4 多/高光谱图像应用关键问题 | 第35-39页 |
| 2.4.1 特征提取 | 第35-36页 |
| 2.4.2 光谱不确定性 | 第36-38页 |
| 2.4.3 波段选择 | 第38页 |
| 2.4.4 混合像元 | 第38-39页 |
| 2.5 评价方法 | 第39-42页 |
| 2.5.1 检测概率和虚警概率 | 第39-40页 |
| 2.5.2 接收机工作特性曲线 | 第40页 |
| 2.5.3 接收机工作特性曲线的曲线下面积 | 第40-41页 |
| 2.5.4 相关矩阵 | 第41页 |
| 2.5.5 混淆矩阵 | 第41页 |
| 2.5.6 总体分类精度与Kappa系数 | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第3章 基于空-谱支持流形式的多任务学习目标检测算法 | 第43-69页 |
| 3.1 引言 | 第43页 |
| 3.2 多特征学习 | 第43-45页 |
| 3.3 基于流形式的多任务学习目标检测算法 | 第45-48页 |
| 3.4 基于空-谱支持流形式的多任务学习目标检测算法 | 第48-52页 |
| 3.4.1 空间信息支持理论基础 | 第48-49页 |
| 3.4.2 ICRTD_MTL算法 | 第49-51页 |
| 3.4.3 背景与目标字典建设方法 | 第51-52页 |
| 3.5 实验结果与分析 | 第52-68页 |
| 3.5.1 机场数据(3架飞机)结果与分析 | 第52-59页 |
| 3.5.2 机场数据(38架飞机)结果与分析 | 第59-64页 |
| 3.5.3 SantaRosa国家公园数据结果与分析 | 第64-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第4章 基于概率图的多任务学习目标检测算法 | 第69-86页 |
| 4.1 引言 | 第69页 |
| 4.2 多特征学习 | 第69-70页 |
| 4.3 基于概率图的多任务学习目标检测算法 | 第70-75页 |
| 4.3.1 最大后验概率 | 第71页 |
| 4.3.2 MTL_NFF算法 | 第71-73页 |
| 4.3.3 数据的特征级融合 | 第73-75页 |
| 4.4 实验结果与分析 | 第75-84页 |
| 4.4.1 实验数据描述 | 第75-76页 |
| 4.4.2 森林周期的变异性 | 第76-78页 |
| 4.4.3 数据特征提取 | 第78-80页 |
| 4.4.4 中期森林生物量变化图 | 第80-82页 |
| 4.4.5 HyMap高光谱数据和激光检测与测量仪器数据融合 | 第82-84页 |
| 4.5 总结 | 第84-86页 |
| 第5章 基于空-谱稀疏张量的深度神经网络分类算法 | 第86-105页 |
| 5.1 引言 | 第86页 |
| 5.2 基于谱稀疏张量的深度神经网络分类算法 | 第86-92页 |
| 5.2.1 多特征学习 | 第87-88页 |
| 5.2.2 DFS_DNN算法 | 第88-91页 |
| 5.2.3 基于空-谱稀疏张量的深度神经网络分类算法 | 第91-92页 |
| 5.3 实验结果与分析 | 第92-103页 |
| 5.3.1 实验数据描述 | 第92-93页 |
| 5.3.2 死树、藤本植物及活树的统计学特征 | 第93-96页 |
| 5.3.3 特征堆栈各特征相关性 | 第96-97页 |
| 5.3.4 DNN中AEs层的影响 | 第97-98页 |
| 5.3.5 DNN特征学习过程 | 第98-99页 |
| 5.3.6 对比算法参数设置 | 第99-100页 |
| 5.3.7 DNN与SVM结果对比 | 第100页 |
| 5.3.8 死树、藤本植物及活树的相对覆盖面积 | 第100-103页 |
| 5.4 本章小结 | 第103-105页 |
| 结论 | 第105-108页 |
| 参考文献 | 第108-121页 |
| 攻读博士学位期间发表的论文和取得的科技成果 | 第121-123页 |
| 致谢 | 第123页 |
