| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-25页 |
| ·研究背景 | 第14-18页 |
| ·高光谱遥感 | 第14-15页 |
| ·高光谱遥感的发展 | 第15-17页 |
| ·高光谱遥感的应用 | 第17-18页 |
| ·高光谱图像处理中的维数分析技术 | 第18-20页 |
| ·高光谱数据特点 | 第18页 |
| ·高光谱图像的稀有空间 | 第18-19页 |
| ·维数分析的必要性 | 第19-20页 |
| ·国内外研究现状和趋势 | 第20-23页 |
| ·基于线性空间变换的维数分析 | 第20-21页 |
| ·虚拟维数分析 | 第21页 |
| ·基于 l_2范数和 l_2, ∞范数的维数分析 | 第21-22页 |
| ·性能比较 | 第22-23页 |
| ·论文的主要研究内容及组成 | 第23-25页 |
| ·论文的主要研究内容 | 第23-24页 |
| ·论文的组织结构 | 第24-25页 |
| 第二章 高光谱图像的虚拟维数分析 | 第25-38页 |
| ·虚拟维数分析 | 第25-28页 |
| ·虚拟维数分析概述 | 第25-26页 |
| ·虚拟维数分析的基本思想 | 第26-28页 |
| ·一种噪声抑制的虚拟维数分析算法 | 第28-32页 |
| ·高光谱图像的QR 分解 | 第28-29页 |
| ·差值噪声滤除 | 第29-30页 |
| ·基于纽曼皮尔逊准则的Q 矩阵特征差值判别门限设定 | 第30-31页 |
| ·上三角矩阵R 的特征邻差判别门限设定 | 第31页 |
| ·虚拟维数确定 | 第31-32页 |
| ·实验结果与分析 | 第32-36页 |
| ·模拟数据实验 | 第32-33页 |
| ·真实数据实验 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第三章 流形学习在高光谱图像维数分析中的应用 | 第38-54页 |
| ·流形与流形学习 | 第38-43页 |
| ·基本概念 | 第38-39页 |
| ·流形学习的发展 | 第39-42页 |
| ·流形学习的应用 | 第42-43页 |
| ·维数分析中的流形学习算法 | 第43-48页 |
| ·概述 | 第43页 |
| ·等距映射维数分析 | 第43-45页 |
| ·局部线性嵌入的维数分析 | 第45-46页 |
| ·拉普拉斯映射的维数分析 | 第46-47页 |
| ·局部切空间排列的维数分析 | 第47-48页 |
| ·实验结果与分析 | 第48-53页 |
| ·模拟数据实验 | 第48-52页 |
| ·真实数据实验 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 基于稀有特征保持的本征维数分析 | 第54-72页 |
| ·高光谱图像中的稀有特征 | 第54-57页 |
| ·包含稀有特征的高光谱数据模型 | 第54-55页 |
| ·稀有特征概述 | 第55页 |
| ·稀有特征的特点 | 第55-57页 |
| ·基于稀有特征保持的维数分析 | 第57-60页 |
| ·基于稀有特征保持的维数分析的意义 | 第57页 |
| ·基于剩余能量迭代的维数分析方法 | 第57-60页 |
| ·基于流形学习、奇异值分解的维数分析算法 | 第60-63页 |
| ·实验结果与分析 | 第63-70页 |
| ·构造包含稀有空间的模拟高光谱数据 | 第63-66页 |
| ·稀有空间与主成分空间对维数分析的影响 | 第66-68页 |
| ·噪声影响 | 第68-69页 |
| ·模拟端元数影响 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第五章 结论及展望 | 第72-74页 |
| ·论文总结 | 第72-73页 |
| ·工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 个人简历 | 第81-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |