混合像元分解及其应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-19页 |
| ·研究目的及意义 | 第8-10页 |
| ·高光谱遥感技术概述 | 第10-15页 |
| ·高光谱遥感概念及其数据表达 | 第10-13页 |
| ·高光谱遥感的应用及其发展瓶颈 | 第13-15页 |
| ·混合像元分解应用现状及其发展趋势 | 第15-16页 |
| ·研究内容及技术路线 | 第16-18页 |
| ·本文所采用的数据源 | 第18-19页 |
| 第二章 混合像元分解模型 | 第19-27页 |
| ·光谱混合的成像机理 | 第19-20页 |
| ·概念的提出 | 第20页 |
| ·光谱混合模型 | 第20-25页 |
| ·线性模型 | 第21页 |
| ·非线性模型 | 第21-23页 |
| ·神经网络模型 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于线性模型及其混合像元分解 | 第27-47页 |
| ·线性光谱混合模型 | 第27-32页 |
| ·模型的理论基础 | 第27-28页 |
| ·模型的数学表达 | 第28-29页 |
| ·模型参数的估计 | 第29-30页 |
| ·模型中对端元的描述 | 第30-32页 |
| ·端元组分确定 | 第32-34页 |
| ·端元类型和数量的确定 | 第33-34页 |
| ·端元光谱值确定 | 第34页 |
| ·端元提取算法概述 | 第34-38页 |
| ·PPI | 第34-36页 |
| ·N-FINDR | 第36页 |
| ·IEA | 第36-37页 |
| ·ORASIS | 第37-38页 |
| ·实例研究 | 第38-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于数学形态学的端元提取算法 | 第47-60页 |
| ·引言 | 第47-48页 |
| ·数学形态学的基本原理与运算 | 第48-50页 |
| ·数学形态学的基本概念 | 第48-49页 |
| ·数学形态学的基本运算 | 第49-50页 |
| ·基于数学形态学的端元提取 | 第50-57页 |
| ·算法描述 | 第50-53页 |
| ·实例研究 | 第53-57页 |
| ·比较不同方法的分解结果 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第五章 混合像元分解与图像分类 | 第60-77页 |
| ·遥感图像分类概述 | 第60-64页 |
| ·非监督分类 | 第62-63页 |
| ·监督分类 | 第63-64页 |
| ·高光谱遥感图像的分类方法 | 第64-67页 |
| ·光谱角制图法 | 第64-65页 |
| ·支持向量机 | 第65-67页 |
| ·实验比较 | 第67-76页 |
| ·特征选择后分类 | 第67-69页 |
| ·实验结果分析与评价 | 第69-72页 |
| ·与其他分类方法比较 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 结论与展望 | 第77-80页 |
| ·结论 | 第77-78页 |
| ·研究展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 在学期间发表的论著及参与的科研项目 | 第86页 |
