高光谱异常检测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.3 本文主要研究内容 | 第20-22页 |
| 第二章 高光谱图像特征提取 | 第22-32页 |
| 2.1 特征提取的必要性 | 第22-23页 |
| 2.2 线性特征提取 | 第23-26页 |
| 2.2.1 线性混合光谱模型 | 第23-24页 |
| 2.2.2 主成分分析法 | 第24-26页 |
| 2.3 非线性特征提取 | 第26-30页 |
| 2.3.1 核函数理论 | 第26-27页 |
| 2.3.2 核主成分分析法 | 第27-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 高光谱异常检测基本原理 | 第32-46页 |
| 3.1 基于广义似然比检验的RX算法 | 第32-34页 |
| 3.1.1 NP准则与似然比检验 | 第32-33页 |
| 3.1.2 RX算法 | 第33-34页 |
| 3.2 基于核函数理论的KRX算法 | 第34-37页 |
| 3.3 基于背景模型估计的LAKDE算法 | 第37-41页 |
| 3.3.1 基于背景模型估计的广义似然比检验 | 第37-38页 |
| 3.3.2 核密度估计 | 第38-39页 |
| 3.3.3 基于核密度估计的异常检测 | 第39-41页 |
| 3.4 实验仿真与分析 | 第41-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于相关性度量的异常检测算法 | 第46-60页 |
| 4.1 CCA与KCCA | 第46-52页 |
| 4.1.1 典型相关分析 | 第46-48页 |
| 4.1.2 核典型相关分析 | 第48-50页 |
| 4.1.3 针对高光谱图像的处理方法 | 第50-52页 |
| 4.2 奇异值分解与目标提取 | 第52-54页 |
| 4.2.1 奇异值分解与重构 | 第52页 |
| 4.2.2 目标信息的提取 | 第52-54页 |
| 4.3 实验仿真与分析 | 第54-59页 |
| 4.3.1 算法流程 | 第54-55页 |
| 4.3.2 仿真与结果分析 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 基于异常分量提取的异常检测算法 | 第60-80页 |
| 5.1 非线性独立分量分析 | 第60-66页 |
| 5.1.1 ICA基本模型 | 第60页 |
| 5.1.2 数据的预处理 | 第60-61页 |
| 5.1.3 基于非高斯性的特征提取 | 第61-66页 |
| 5.2 基于异常分量提取的高光谱异常检测 | 第66-72页 |
| 5.2.1 基于特征选择的并行算法 | 第66-70页 |
| 5.2.2 基于OSP的串行算法 | 第70-72页 |
| 5.3 实验仿真与分析 | 第72-78页 |
| 5.3.1 ROC曲线 | 第72-73页 |
| 5.3.2 仿真与结果分析 | 第73-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 作者简介 | 第90-92页 |
