高光谱遥感图像分类方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要内容 | 第11-13页 |
| 第二章 常用的高光谱图像分类方法 | 第13-23页 |
| 2.1 无监督分类 | 第13-15页 |
| 2.1.1 K-均值聚类 | 第13-14页 |
| 2.1.2 ISODATA分类方法 | 第14页 |
| 2.1.3 无监督算法的优点与不足 | 第14-15页 |
| 2.2 有监督分类 | 第15-18页 |
| 2.2.1 最小距离法 | 第16-17页 |
| 2.2.2 最大似然判别法 | 第17页 |
| 2.2.3 有监督分类的优点与不足 | 第17-18页 |
| 2.3 新型分类方法 | 第18-21页 |
| 2.3.1 决策树分类法 | 第18-19页 |
| 2.3.2 人工神经网络分类方法 | 第19-20页 |
| 2.3.3 支持向量机分类方法 | 第20页 |
| 2.3.4 稀疏表示分类方法 | 第20-21页 |
| 2.4 分类效果的评价方法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 图的构造 | 第23-30页 |
| 3.1 全连接图 | 第23页 |
| 3.2 ε近邻图 | 第23页 |
| 3.3 k近邻图 | 第23-28页 |
| 3.3.1 图论模型的建立 | 第24页 |
| 3.3.2 基于线性表示的相似度模型 | 第24-28页 |
| 3.3.3 对构造图的改进 | 第28页 |
| 3.4 本章小结 | 第28-30页 |
| 第四章 类标传播算法 | 第30-36页 |
| 4.1 基于图的类标传播算法 | 第30-32页 |
| 4.1.1 算法理论 | 第30-32页 |
| 4.1.2 算法步骤 | 第32页 |
| 4.1.3 算法小结 | 第32页 |
| 4.2 基于图的加权类标传播算法 | 第32-34页 |
| 4.2.1 算法实现 | 第32-34页 |
| 4.2.2 算法步骤 | 第34页 |
| 4.2.3 算法小结 | 第34页 |
| 4.3 本章小结 | 第34-36页 |
| 第五章 基于图的类标传播算法结果分析 | 第36-50页 |
| 5.1 Indian_pines分类结果及其分析 | 第36-40页 |
| 5.1.1 实验结果 | 第37-39页 |
| 5.1.2 实验结果分析 | 第39-40页 |
| 5.2 PaviaU分类结果及其分析 | 第40-43页 |
| 5.2.1 实验结果 | 第40-43页 |
| 5.2.2 实验结果分析 | 第43页 |
| 5.3 Salinas分类结果及其分析 | 第43-48页 |
| 5.3.1 实验结果 | 第44-47页 |
| 5.3.2 实验结果分析 | 第47-48页 |
| 5.4 对分类结果的整体分析 | 第48页 |
| 5.5 本章小结 | 第48-50页 |
| 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间取得的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
