| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-15页 |
| 1.1 课题来源 | 第7页 |
| 1.2 课题研究的背景和意义 | 第7-10页 |
| 1.2.1 高光谱遥感技术简介 | 第7-8页 |
| 1.2.2 纯净像元和混合像元 | 第8-9页 |
| 1.2.3 研究意义 | 第9-10页 |
| 1.3 国内外研究现状及分析 | 第10-12页 |
| 1.3.1 高光谱遥感图像的分类与分离现状 | 第10-12页 |
| 1.3.2 国内外研究现状分析 | 第12页 |
| 1.4 主要研究内容、创新点及本文结构 | 第12-15页 |
| 1.4.1 主要研究内容 | 第12-13页 |
| 1.4.2 创新点 | 第13-14页 |
| 1.4.3 本文结构 | 第14-15页 |
| 2 高光谱遥感图像的分类与分离方法 | 第15-25页 |
| 2.1 光谱混合模型 | 第15-17页 |
| 2.2 高光谱遥感图像的分类方法 | 第17-21页 |
| 2.2.1 支持向量机 | 第17-20页 |
| 2.2.2 光谱角填图法 | 第20-21页 |
| 2.3 高光谱遥感图像的分离方法 | 第21-24页 |
| 2.3.1 独立成分分析 | 第21-23页 |
| 2.3.2 像元纯度指数 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 多元逻辑回归先验模型 | 第25-37页 |
| 3.1 多元逻辑回归 | 第25-28页 |
| 3.2 多元逻辑回归先验模型的建立 | 第28-35页 |
| 3.2.1 多元逻辑回归与丰度单纯形 | 第28-29页 |
| 3.2.2 多元逻辑回归建模与分析 | 第29-35页 |
| 3.3 本章小结 | 第35-37页 |
| 4 基于MCMC的高光谱遥感图像分类与分离模型 | 第37-55页 |
| 4.1 马尔科夫链蒙特卡洛方法 | 第37-42页 |
| 4.1.1 蒙特卡洛方法 | 第37-39页 |
| 4.1.2 马尔科夫链与Metropolis-Hastings算法 | 第39-40页 |
| 4.1.3 Gibbs采样 | 第40-42页 |
| 4.2 基于MCMC的高光谱遥感图像分类与分离模型的建立 | 第42-46页 |
| 4.2.1 正态组成模型 | 第42-43页 |
| 4.2.2 正态性假设与多元逻辑回归 | 第43页 |
| 4.2.3 分层贝叶斯模型与Gibbs采样 | 第43-46页 |
| 4.3 高光谱数据建模与分析 | 第46-54页 |
| 4.3.1 波段选择 | 第46-48页 |
| 4.3.2 真实数据建模结果与分析 | 第48-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 高光谱遥感图像分析平台设计 | 第55-66页 |
| 5.1 平台功能简介 | 第55页 |
| 5.2 平台框架技术 | 第55-60页 |
| 5.2.1 Flask App的建立 | 第56-57页 |
| 5.2.2 Web表单设计及与后台交互 | 第57-58页 |
| 5.2.3 数据库的创建与管理 | 第58-60页 |
| 5.3 高光谱遥感图像分析平台业务集成 | 第60-65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-74页 |