基于独立成分分析的高光谱图像降维分割方法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究目的与意义 | 第9-11页 |
| 1.2 国内外研究和发展现状 | 第11-14页 |
| 1.2.1 光谱成像技术的发展与应用 | 第11页 |
| 1.2.2 高光谱降维及分割的研究现状 | 第11-14页 |
| 1.3 研究内容及方法 | 第14-18页 |
| 2 基本理论 | 第18-31页 |
| 2.1 主成分分析 | 第18-22页 |
| 2.1.1 几何意义 | 第18-19页 |
| 2.1.2 基本思想 | 第19页 |
| 2.1.3 数学模型 | 第19-20页 |
| 2.1.4 贡献率 | 第20-21页 |
| 2.1.5 基本步骤 | 第21-22页 |
| 2.2 独立成分分析 | 第22-27页 |
| 2.2.1 基本模型 | 第22-23页 |
| 2.2.2 假设条件 | 第23页 |
| 2.2.3 无法确定的因素 | 第23-24页 |
| 2.2.4 估计方法 | 第24-27页 |
| 2.3 模糊C均值聚类算法 | 第27页 |
| 2.4 精度评价方法 | 第27-29页 |
| 2.4.1 混淆矩阵 | 第28页 |
| 2.4.2 用户精度和产品精度 | 第28-29页 |
| 2.4.3 总精度 | 第29页 |
| 2.4.4 Kappa值 | 第29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 基于独立成分分析的高光谱图像降维及分割方法 | 第31-43页 |
| 3.1 高光谱图像数据结构 | 第31-32页 |
| 3.2 高光谱图像波段筛选 | 第32-34页 |
| 3.3 高光谱图像降维方法 | 第34-40页 |
| 3.3.1 基于波段选择的降维方法 | 第36-39页 |
| 3.3.2 基于特征选取的降维方法 | 第39-40页 |
| 3.4 降维后图像分割 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 实验结果与结论 | 第43-58页 |
| 4.1 高光谱图像预处理 | 第43-44页 |
| 4.2 基于波段选择的降维 | 第44-48页 |
| 4.3 基于特征选取的降维 | 第48-51页 |
| 4.4 算法比较 | 第51-56页 |
| 4.4.1 对比算法介绍 | 第51-52页 |
| 4.4.2 对比算法结果比较分析 | 第52-56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 研究工作总结 | 第58-59页 |
| 5.2 研究工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简历 | 第63-65页 |
| 学位论文数据集 | 第65页 |
