| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 选题研究背景及意义 | 第15页 |
| 1.2 高光谱图像分类算法国内外研究现状 | 第15-18页 |
| 1.3 本文主要内容及结构安排 | 第18-19页 |
| 第二章 基于局部聚类比例排序的动态高光谱波段选择 | 第19-35页 |
| 2.1 引言 | 第19-21页 |
| 2.2 背景知识 | 第21-23页 |
| 2.2.1 相似度矩阵 | 第21页 |
| 2.2.2 基于密度峰值的聚类算法 | 第21-23页 |
| 2.3 基于局部聚类比例排序的动态高光谱波段选择算法 | 第23-26页 |
| 2.3.1 计算相似度矩阵 | 第23-24页 |
| 2.3.2 聚类策略 | 第24-25页 |
| 2.3.3 波段选择 | 第25-26页 |
| 2.3.4 时间复杂度分析 | 第26页 |
| 2.4 实验结果与参数分析 | 第26-33页 |
| 2.4.1 波段可视化 | 第26-29页 |
| 2.4.2 对比算法 | 第29页 |
| 2.4.3 评价指标 | 第29-30页 |
| 2.4.4 参数分析 | 第30-31页 |
| 2.4.5 实验结果及分析 | 第31-33页 |
| 2.5 本章总结 | 第33-35页 |
| 第三章 基于遗传算法和标记样本位置的高光谱图像半监督分类 | 第35-51页 |
| 3.1 引言 | 第35-36页 |
| 3.2 背景知识 | 第36-38页 |
| 3.2.1 高光谱图像的空间特征 | 第36-37页 |
| 3.2.2 高光谱图像的光谱信息及其编码表示 | 第37-38页 |
| 3.2.3 利用代表个体集合分类 | 第38页 |
| 3.3 基于遗传算法和标记样本位置的高光谱图像半监督分类算法 | 第38-44页 |
| 3.3.1 编码步骤 | 第38-39页 |
| 3.3.2 用遗传算法解决DNA代表的寻优问题 | 第39-42页 |
| 3.3.3 选出少数标记样本的位置信息优化中间结果 | 第42-43页 |
| 3.3.4 时间复杂度分析 | 第43-44页 |
| 3.4 实验分析 | 第44-49页 |
| 3.4.1 在Pavia University上的仿真结果 | 第44-46页 |
| 3.4.2 在Indian Pines上的仿真结果 | 第46-48页 |
| 3.4.3 参数分析 | 第48-49页 |
| 3.5 本章总结 | 第49-51页 |
| 第四章 基于融合区域的半监督高光谱图像分类 | 第51-63页 |
| 4.1 引言 | 第51-52页 |
| 4.2 背景知识 | 第52-53页 |
| 4.2.1 标记样本的选择 | 第52页 |
| 4.2.2 自适应近邻 | 第52-53页 |
| 4.3 基于融合区域的半监督高光谱图像分类算法 | 第53-56页 |
| 4.3.1 产生空间信息图 | 第53页 |
| 4.3.2 网格撒点法融合 | 第53-54页 |
| 4.3.3 半监督地选择新样本 | 第54-55页 |
| 4.3.4 应用空间信息处理分类结果 | 第55页 |
| 4.3.5 时间复杂度分析 | 第55-56页 |
| 4.4 实验结果以及参数分析 | 第56-62页 |
| 4.4.1 对比算法 | 第56页 |
| 4.4.2 参数设置及分析 | 第56-59页 |
| 4.4.3 在Pavia University数据集上的结果 | 第59-60页 |
| 4.4.4 在KSC数据集上的结果 | 第60-62页 |
| 4.5 本章总结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文总结 | 第63-64页 |
| 5.2 进一步工作 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |
