| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·高光谱遥感技术研究现状 | 第10-13页 |
| ·成像光谱仪技术 | 第10-11页 |
| ·高光谱影像分析技术 | 第11-13页 |
| ·研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第二章 高光谱影像分类与降维方法 | 第15-25页 |
| ·高光谱影像分类方法 | 第15-20页 |
| ·高光谱影像描述空间 | 第15-16页 |
| ·高光谱影像分类方法 | 第16-20页 |
| ·高光谱影像降维方法 | 第20-24页 |
| ·高光谱影像降维的必要性 | 第20-21页 |
| ·高光谱影像降维方法 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 模式分析的核方法 | 第25-32页 |
| ·核函数及其性质 | 第25-27页 |
| ·核映射空间性质 | 第27-30页 |
| ·核方法的特点 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于支持向量机的高光谱影像分类 | 第32-49页 |
| ·统计学习理论与支持向量机 | 第32-38页 |
| ·统计学习理论 | 第32-34页 |
| ·支持向量机 | 第34-38页 |
| ·快速稳健的多类SVM分类器 | 第38-44页 |
| ·快速训练算法 | 第38-40页 |
| ·多类分类器构造 | 第40-42页 |
| ·核函数及参数选择 | 第42-44页 |
| ·高光谱影像支持向量机分类实验 | 第44-48页 |
| ·分类流程 | 第44页 |
| ·分类实验 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于核Fisher判别分析的高光谱影像分类 | 第49-58页 |
| ·核Fisher判别分析 | 第49-53页 |
| ·Fisher判别分析 | 第49-50页 |
| ·核Fisher判别分析 | 第50-52页 |
| ·高性能 KFDA分类器 | 第52-53页 |
| ·高光谱影像KFDA分类实验 | 第53-57页 |
| ·分类流程 | 第53-54页 |
| ·分类实验 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 基于广义判别分析的高光谱影像特征提取 | 第58-68页 |
| ·广义判别分析特征提取 | 第58-63页 |
| ·线性判别分析 | 第58-59页 |
| ·广义判别分析 | 第59-63页 |
| ·高光谱影像广义判别分析特征提取 | 第63-67页 |
| ·实验流程 | 第63页 |
| ·特征提取与分类实验 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-69页 |
| ·已经完成的工作 | 第68页 |
| ·进一步研究的内容 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者简历 攻读硕士学位期间的科研学术情况 | 第73-74页 |
| 致谢 | 第74页 |