高光谱数据库及数据挖掘研究

第一章 引言	第1-16页
·高光谱遥感技术，数据库技术，数据挖掘技术的发展	第7-14页
·高光谱遥感技术的发展	第7-9页
·数据库技术的发展	第9-12页
·高光谱数据库概念的提出	第12-13页
·光谱数据挖掘的内涵与外延	第13-14页
·研究重点和论文结构	第14-15页
·本文使用的数据源描述	第15-16页
第二章 地物光谱数据库、遥感影像数据库及数据挖掘	第16-36页
·地物光谱数据库	第16-22页
·国外地物光谱数据库研究进展	第17-19页
·国内地物光谱数据库研究进展	第19-21页
·小结	第21-22页
·遥感影像数据库	第22-29页
·国外遥感影像数据库现状	第22-26页
·国内遥感影像数据库现状	第26-29页
·小结	第29页
·数据挖掘技术	第29-35页
·数据挖掘技术	第29-32页
·空间数据挖掘技术	第32-34页
·影像数据挖掘技术	第34-35页
·小结	第35页
·本章小结	第35-36页
第三章 数据挖掘和应用导向的高光谱数据库系统设计	第36-77页
·高光谱数据库需求分析	第36-39页
·高光谱数据库数据流程分析	第39-40页
·应用框架与体系结构设计	第40-47页
·高光谱数据库应用框架设计	第40-44页
·系统结构设计	第44-46页
·数据挖掘与数据库的耦合设计	第46页
·应用逻辑模块设计	第46-47页
·高光谱数据库数据模型设计	第47-58页
·地面光谱数据模型	第47-52页
·高光谱影像数据模型	第52-57页
·高光谱数据库概念结构	第57-58页
·高光谱数据库方法设计	第58-68页
·反射率转换方法	第58-61页
·光谱维滤波方法	第61-63页
·光谱匹配方法	第63-66页
·包络线去除方法	第66-67页
·高光谱数据库方法通用设计	第67-68页
·高光谱数据库应用模型设计	第68-75页
·典型矿物波谱识别模型	第68-69页
·典型岩石矿物组分分析模型	第69-72页
·岩矿光谱吸收参数提取模型	第72-73页
·植被光谱特征参数提取模型	第73-75页
·高光谱数据库应用模型通用设计	第75页
·本章小结	第75-77页
第四章 高光谱数据库系统建设	第77-96页
·高光谱数据库结构建设	第77-79页
·高光谱数据库数据建设	第79-85页
·岩矿地面测量光谱数据	第79-81页
·农作物地面测量光谱数据	第81-82页
·城市地物光谱数据	第82-83页
·岩矿像元波谱数据	第83-84页
·多时相MODIS AVI产品	第84-85页
·高光谱数据库的典型方法	第85-92页
·地物光谱数据转换方法	第85-87页
·影像与数据表转换方法	第87-89页
·包络线去除方法	第89-90页
·加权均值滤波方法	第90-92页
·高光谱数据库的典型应用模型	第92-95页
·典型矿物波谱识别模型应用实例	第92-93页
·植被光谱维特征提取应用实例	第93-94页
·岩石矿物组分分析模型应用实例	第94-95页
·本章小结	第95-96页
第五章 光谱数据挖掘	第96-115页
·光谱数据挖掘的定义与方法	第96页
·岩石矿物光谱数据的模拟	第96-102页
·蒙皂石含量与膨胀土光谱吸收参量相关关系挖掘	第102-111页
·光谱波段组合自动优化	第111-114页
·本章小结	第114-115页
第六章 高光谱影像数据挖掘	第115-132页
·高光谱影像数据挖掘的定义与方法	第115-116页
·基于最小描述长度模型的高光谱影像波段选择	第116-122页
·利用非负矩阵分解进行高光谱影像特征提取	第122-125页
·利用非负矩阵分解进行高光谱影像压缩	第125-127页
·利用支持向量机对高光谱图像进行目标提取	第127-131页
·本章小结	第131-132页
第七章 结论与展望	第132-134页
·论文的特色与创新点	第132页
·高光谱数据库的发展和数据挖掘展望	第132-134页
参考文献	第134-146页
博士期间发表文章	第146-148页
博士期间参与项目	第148-149页
致谢	第149-150页