| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-16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 国内外研究现状分析 | 第17-19页 |
| 1.3 论文的主要工作及内容安排 | 第19-22页 |
| 第二章 高光谱特征提取和融合方法的研究 | 第22-26页 |
| 2.1 引言 | 第22-23页 |
| 2.2 特征提取方法 | 第23-24页 |
| 2.2.1 扩展形态轮廓特征 | 第23-24页 |
| 2.2.2 伽柏纹理特征 | 第24页 |
| 2.3 特征融合方法 | 第24-26页 |
| 第三章 基于局部约束的高光谱图像多特征语义提取方法 | 第26-44页 |
| 3.1 语义的概念 | 第26-27页 |
| 3.1.1 自然图像中的语义 | 第26-27页 |
| 3.1.2 高光谱图像中的语义 | 第27页 |
| 3.2 马尔可夫随机场 | 第27-30页 |
| 3.2.1 马尔可夫随机场的概念 | 第27-28页 |
| 3.2.2 马尔可夫随机场模型 | 第28-30页 |
| 3.2.3 概率支持矢量机 | 第30页 |
| 3.3 基于局部约束的多特征语义提取方法 | 第30-33页 |
| 3.3.1 研究动机 | 第30-31页 |
| 3.3.2 基于局部约束的多特征语义提取算法 | 第31-33页 |
| 3.4 实验 | 第33-42页 |
| 3.4.1 实验设计 | 第33-35页 |
| 3.4.2 常见高光谱图像分类精度评价指标 | 第35-36页 |
| 3.4.3 实验结果及分析 | 第36-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于自适应局部和非局部约束的高光谱图像语义提取方法 | 第44-58页 |
| 4.1 引言 | 第44-45页 |
| 4.2 自适应局部邻域窗构建方法 | 第45-47页 |
| 4.2.1 基于熵率的超像素分割算法 | 第45-46页 |
| 4.2.2 基于超像素约束的局部近邻集合构建方法 | 第46-47页 |
| 4.3 非局部近邻集合构建方法 | 第47-48页 |
| 4.3.1 非局部均值算法 | 第47页 |
| 4.3.2 加权的非局部近邻选择方法 | 第47-48页 |
| 4.4 基于自适应局部和非局部约束的语义提取方法 | 第48-51页 |
| 4.5 实验 | 第51-56页 |
| 4.5.1 实验设计 | 第51页 |
| 4.5.2 实验结果及分析 | 第51-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第五章 基于多层分割的高光谱图像目标级语义提取方法 | 第58-70页 |
| 5.1 引言 | 第58页 |
| 5.2 基于多层分割的目标级语义提取方法 | 第58-63页 |
| 5.2.1 面向对象的分类 | 第58-59页 |
| 5.2.2 多层超像素分割 | 第59-60页 |
| 5.2.3 基于多层分割的目标级语义提取算法 | 第60-63页 |
| 5.3 实验 | 第63-69页 |
| 5.3.1 实验设计 | 第63-64页 |
| 5.3.2 实验结果和分析 | 第64-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文工作总结 | 第70-71页 |
| 6.2 未来展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
