| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和现状 | 第15-19页 |
| 1.1.1 高光谱遥感分类技术简介 | 第15-16页 |
| 1.1.2 高光谱遥感图像分类的研究成果 | 第16-19页 |
| 1.2 研究目的与意义 | 第19-20页 |
| 1.3 本文的主要研究内容 | 第20-21页 |
| 第二章 高光谱图像分类方法简介 | 第21-31页 |
| 2.1 稀疏表示模型 | 第21-22页 |
| 2.1.1 稀疏表示问题简介 | 第21页 |
| 2.1.2 稀疏表示分类模型 | 第21-22页 |
| 2.2 稀疏表示系数求解方法 | 第22-25页 |
| 2.2.1 子空间追踪算法 | 第23页 |
| 2.2.2 正交匹配追踪算法 | 第23-25页 |
| 2.3 遥感图像的降维方法 | 第25-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于联合协同表示的高光谱分类算法 | 第31-43页 |
| 3.1 协同表示分类模型 | 第31-32页 |
| 3.2 基于半监督局部保留降维和改进的联合协同表示分类算法 | 第32-35页 |
| 3.2.1 半监督局部降维算法 | 第32-34页 |
| 3.2.2 改进的联合协同表示分类 | 第34页 |
| 3.2.3 基于半监督局部保留降维和改进的联合协同表示分类算法 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-42页 |
| 3.3.1 实验数据库介绍 | 第35-36页 |
| 3.3.2 分类精度评价指标 | 第36-37页 |
| 3.3.3 在Indian Pines数据库的实验 | 第37-38页 |
| 3.3.4 在Salinas-A高光谱数据库的实验结果 | 第38页 |
| 3.3.5 实验结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于最近邻分类器的高光谱分类算法 | 第43-53页 |
| 4.1 最近邻分类器 | 第43页 |
| 4.1.1 最小距离分类器 | 第43页 |
| 4.1.2 最近邻分类器 | 第43页 |
| 4.2 半监督局部保留LDA与改进的最近邻分类器 | 第43-46页 |
| 4.2.1 半监督局部保留LDA | 第43-45页 |
| 4.2.2 改进的最近邻分类器 | 第45页 |
| 4.2.3 半监督局部保留LDA与改进的最近邻分类器结合 | 第45-46页 |
| 4.3 实验结果与分析 | 第46-51页 |
| 4.3.1 实验数据集 | 第46-47页 |
| 4.3.2 在Indian Pines高光谱数据集上的实验结果 | 第47页 |
| 4.3.3 在KSC高光谱数据库的实验结果 | 第47-48页 |
| 4.3.4 实验分析 | 第48-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 基于两阶段非局部相似性联合协同表示分类算法 | 第53-61页 |
| 5.1 非局部相似性联合稀疏模型 | 第53-54页 |
| 5.2 两阶段非局部相似性联合协同表示分类 | 第54-56页 |
| 5.2.1 两阶段协同表示模型 | 第54-55页 |
| 5.2.2 非局部相似性联合协同表示分类模型 | 第55-56页 |
| 5.3 实验结果与分析 | 第56-60页 |
| 5.3.1 在Indian Pines高光谱数据库上的实验结果 | 第56-57页 |
| 5.3.2 在KSC高光谱数据库上的实验结果 | 第57-59页 |
| 5.3.3 实验结果分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文内容总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
| 1. 基本情况 | 第69页 |
| 2. 教育背景 | 第69-70页 |
