| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·背景介绍 | 第9-10页 |
| ·高光谱图像数据处理的流形学习处理方法 | 第10-14页 |
| ·高光谱图像数据处理现状 | 第10-11页 |
| ·流形学习算法的研究现状 | 第11-12页 |
| ·流形学习处理高光谱图像数据的研究现状 | 第12-14页 |
| ·本文重要工作及内容安排 | 第14-15页 |
| 第二章 拉普拉斯特征映射 | 第15-21页 |
| ·拉普拉斯特征映射算法的基本思想 | 第15页 |
| ·拉普拉斯特征映射算法 | 第15-19页 |
| ·流形的定义 | 第15-16页 |
| ·拉普拉斯特征映射算法的步骤 | 第16页 |
| ·优化问题 | 第16-18页 |
| ·Laplacian-Belrami 算子 | 第18页 |
| ·Heat Kernels 以及权值矩阵的选择 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 联合空间-像素特征距离以及像素分布流的构建 | 第21-27页 |
| ·方法论 | 第21-22页 |
| ·拉普拉斯特征映射像素分布流 | 第22-26页 |
| ·联合空间-像素特征距离 | 第22-24页 |
| ·拉普拉斯特征映射像素分布流算法 | 第24页 |
| ·拉普拉斯特征映射像素分布流的含义 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 应用于高光谱图像分割的像素分布流 | 第27-41页 |
| ·稳定变化的像素分布流 | 第27-32页 |
| ·算法的鲁棒性 | 第27页 |
| ·实验数据 | 第27-28页 |
| ·参数的选取以及像素分布流的细节 | 第28-32页 |
| ·像素分布流应用于高光谱图像数据处理的具体操作 | 第32-36页 |
| ·映射结果非线性几何校正 | 第33-35页 |
| ·边界收缩效应的校正 | 第35-36页 |
| ·小尺度高光谱图像分割结果 | 第36-38页 |
| ·本章小结 | 第38-41页 |
| 第五章 大尺度高光谱图像数据的分割 | 第41-49页 |
| ·大规模数据的映射结果存在的问题 | 第41-43页 |
| ·多阈值边界点选取分割方法 | 第43-46页 |
| ·实验结果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 研究成果 | 第57-58页 |