基于进化多目标优化的高光谱稀疏混合像元分解技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 高光谱遥感技术的发展现状 | 第16-18页 |
| 1.2.2 光谱解混技术的研究现状 | 第18-19页 |
| 1.3 文章结构 | 第19-21页 |
| 第二章 混合像元分解模型及其方法 | 第21-31页 |
| 2.1 混合像元分解的数学模型 | 第21-23页 |
| 2.1.1 线性混合光谱模型 | 第21-22页 |
| 2.1.2 非线性混合光谱模型 | 第22-23页 |
| 2.2 混合像元分解技术 | 第23-29页 |
| 2.2.1 基于信号子空间识别的混合像元分解方法 | 第23-24页 |
| 2.2.2 基于空间几何的方法 | 第24-26页 |
| 2.2.3 基于统计的混合像元分解方法 | 第26-27页 |
| 2.2.4 基于稀疏约束的混合像元分解方法 | 第27-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第三章 进化多目标混合像元分解算法 | 第31-51页 |
| 3.1 多目标优化算法 | 第31-32页 |
| 3.2 混合像元分解的多目标模型 | 第32-38页 |
| 3.2.1 目标函数的选择 | 第32-33页 |
| 3.2.2 算法流程框架 | 第33-34页 |
| 3.2.3 基于稀疏性的分组策略 | 第34-36页 |
| 3.2.4 遗传操作算子 | 第36-37页 |
| 3.2.5 基于拐点的协作机制 | 第37-38页 |
| 3.3 实验结果及其分析 | 第38-48页 |
| 3.3.1 算法性能分析实验 | 第39-41页 |
| 3.3.2 模拟数据实验 | 第41-46页 |
| 3.3.3 真实数据实验 | 第46-48页 |
| 3.4 本章小结 | 第48-51页 |
| 第四章 改进的进化多目标混合像元分解算法 | 第51-61页 |
| 4.1 改进的混合像元分解模型 | 第51-54页 |
| 4.1.1 目标函数的选择 | 第51-52页 |
| 4.1.2 算法流程设计 | 第52-53页 |
| 4.1.3 基于拐点的协同进化策略 | 第53-54页 |
| 4.2 实验结果及其分析 | 第54-59页 |
| 4.2.1 模拟数据实验 | 第55-57页 |
| 4.2.2 真实数据实验 | 第57-59页 |
| 4.3 本章小结 | 第59-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
