| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究目的及意义 | 第12-14页 |
| 1.2 研究背景和现状 | 第14-16页 |
| 1.3 主要内容 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第2章 稀疏表示方法理论 | 第18-28页 |
| 2.1 稀疏表示模型 | 第18-19页 |
| 2.2 稀疏重构算法 | 第19-25页 |
| 2.2.1 贪婪算法求解 | 第19-21页 |
| 2.2.2 约束优化方法求解 | 第21-25页 |
| 2.3 带上下文信息的稀疏表示方法 | 第25-27页 |
| 2.3.1 平滑约束方法 | 第26页 |
| 2.3.2 联合稀疏模型 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第3章 基于随机子空间的联合稀疏表示的高光谱图像分类方法 | 第28-46页 |
| 3.1 引言 | 第28-29页 |
| 3.2 随机子空间 | 第29页 |
| 3.3 分类模型的建立 | 第29-33页 |
| 3.3.1 随机子空间生成 | 第29-30页 |
| 3.3.2 基于子空间的SOMP分类 | 第30-32页 |
| 3.3.3 高光谱图像分割 | 第32页 |
| 3.3.4 多数投票 | 第32-33页 |
| 3.4 实验结果和分析 | 第33-45页 |
| 3.4.1 高光谱图像数据集 | 第33-36页 |
| 3.4.2 实验设置和结果 | 第36-38页 |
| 3.4.3 性能分析 | 第38-42页 |
| 3.4.4 讨论 | 第42-45页 |
| 3.5 小结 | 第45-46页 |
| 第4章 基于字典学习的稀疏表示的高光谱图像分类方法 | 第46-59页 |
| 4.1 引言 | 第46-47页 |
| 4.2 字典学习过程 | 第47-49页 |
| 4.2.1 无监督字典学习 | 第47-48页 |
| 4.2.2 有监督字典学习 | 第48-49页 |
| 4.3 分类模型的建立 | 第49-50页 |
| 4.3.1 高光谱图像分割 | 第49-50页 |
| 4.3.2 上下文字典学习 | 第50页 |
| 4.3.3 构建分类器 | 第50页 |
| 4.4 实验结果和分析 | 第50-58页 |
| 4.4.1 高光谱图像数据集 | 第50页 |
| 4.4.2 实验设置和结果 | 第50-52页 |
| 4.4.3 性能分析 | 第52-55页 |
| 4.4.4 讨论 | 第55-58页 |
| 4.5 小结 | 第58-59页 |
| 总结 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68-69页 |
| 附录A 发表论文和参加科研情况说明 | 第69页 |