| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题研究的背景与意义 | 第13-14页 |
| 1.2 课题研究的现状与成果 | 第14-23页 |
| 1.2.1 光谱混合模型 | 第16-19页 |
| 1.2.1.1 线性光谱混合模型 | 第17-18页 |
| 1.2.1.2 非线性光谱混合模型 | 第18-19页 |
| 1.2.2 混合像元分解流程 | 第19页 |
| 1.2.3 端元提取算法 | 第19-21页 |
| 1.2.3.1 最小体积模型下的端元提取算法 | 第20-21页 |
| 1.2.3.2 统计模型下的端元提取算法 | 第21页 |
| 1.2.4 丰度反演算法 | 第21-22页 |
| 1.2.4.1 最小二乘法 | 第22页 |
| 1.2.5 精度评价指标 | 第22-23页 |
| 1.2.5.1 光谱角距离 | 第22-23页 |
| 1.2.5.2 均方根误差 | 第23页 |
| 1.2.5.3 信号重构误差 | 第23页 |
| 1.3 本文研究的主要内容与章节安排 | 第23-25页 |
| 第二章 高光谱稀疏解混理论基础 | 第25-43页 |
| 2.1 引言 | 第25页 |
| 2.2 稀疏解混模型 | 第25-28页 |
| 2.3 贪婪类算法 | 第28-31页 |
| 2.3.1 正交匹配追踪算法 | 第28-29页 |
| 2.3.2 子空间追踪算法 | 第29页 |
| 2.3.3 联合正交匹配追踪算法 | 第29-30页 |
| 2.3.4 子空间匹配追踪算法 | 第30-31页 |
| 2.4 凸优化类算法 | 第31-36页 |
| 2.4.1 ADMM方法 | 第32页 |
| 2.4.2 SUnSAL算法 | 第32-33页 |
| 2.4.3 SUnSAL-TV算法 | 第33-36页 |
| 2.5 非凸优化类算法 | 第36-42页 |
| 2.5.1 基于结构稀疏约束的非负矩阵分解算法 | 第36-39页 |
| 2.5.1.1 图正则非负矩阵分解算法 | 第36-37页 |
| 2.5.1.2 基于图正则的稀疏非负矩阵分解算法 | 第37-39页 |
| 2.5.2 稀疏贝叶斯算法 | 第39-42页 |
| 2.5.2.1 贝叶斯方法 | 第39-40页 |
| 2.5.2.2 噪声分布和似然性 | 第40页 |
| 2.5.2.3 纯像元与高丰度像元的先验分布 | 第40-41页 |
| 2.5.2.4 后验概率和求解准则 | 第41页 |
| 2.5.2.5 高维参数估计 | 第41页 |
| 2.5.2.6 利用MCMC理论进行估计 | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 基于非凸稀疏低秩约束的高光谱稀疏解混算法 | 第43-56页 |
| 3.1 引言 | 第43页 |
| 3.2 非凸稀疏低秩约束的高光谱稀疏解混模型 | 第43-45页 |
| 3.3 算法实现与步骤 | 第45-46页 |
| 3.4 实验结果与分析 | 第46-55页 |
| 3.4.1 模拟数据实验 | 第47-51页 |
| 3.4.1.1模拟数据实验1 | 第47-49页 |
| 3.4.1.2模拟数据实验2 | 第49-51页 |
| 3.4.2 真实数据实验 | 第51-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于非凸稀疏L_(2,q)-L_(2,p)约束的高光谱稀疏解混算法 | 第56-72页 |
| 4.1 引言 | 第56页 |
| 4.2 L_(2,q)-L_(2,p)高光谱稀疏解混模型 | 第56-58页 |
| 4.3 算法实现与步骤 | 第58-61页 |
| 4.4 实验结果与分析 | 第61-71页 |
| 4.4.1 模拟数据实验 | 第62-69页 |
| 4.4.1.1模拟数据实验1 | 第63-66页 |
| 4.4.1.2模拟数据实验2 | 第66-69页 |
| 4.4.2 真实数据实验 | 第69-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72页 |
| 5.2 未来展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 在学期间的研究成果及发表的学术论文 | 第80页 |