| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景和目的 | 第9-10页 |
| ·研究方法 | 第10-14页 |
| ·混和像元分解的研究方法 | 第10-12页 |
| ·亚象元定位的研究方法 | 第12-14页 |
| ·研究内容 | 第14页 |
| ·文章结构 | 第14-16页 |
| 第二章 高光谱遥感概述 | 第16-19页 |
| ·高光谱成像光谱仪 | 第16-17页 |
| ·高光谱遥感数据的特点 | 第17-18页 |
| ·高光谱数据的混合像元 | 第18页 |
| ·高光谱数据的亚象元定位 | 第18-19页 |
| 第三章 高光谱数据混合像元分解 | 第19-42页 |
| ·混合像元分解的概念 | 第19页 |
| ·混合像元形成的主要原因 | 第19-20页 |
| ·混合像元的线性分解模型 | 第20-23页 |
| ·混合像元的线性分解模型 | 第21-22页 |
| ·线性分解模型需要解决的问题 | 第22-23页 |
| ·常用的端元数目确定方法 | 第23-26页 |
| ·最大噪声分离 | 第23页 |
| ·虚拟维数 | 第23-25页 |
| ·从图像自身自动确定端元数目 | 第25-26页 |
| ·常用的端元提取算法 | 第26-42页 |
| ·N-FINDR 算法 | 第27-31页 |
| ·SGA 算法 | 第31-34页 |
| ·顶点成分分析算法 | 第34-38页 |
| ·高光谱端元自动确定与提取的迭代算法 | 第38-42页 |
| 第四章 基于顶点成分分析的端元优化算法 | 第42-73页 |
| ·VCA 算法原理及其缺陷 | 第42-43页 |
| ·算法的改进 | 第43-48页 |
| ·算法要求的端元数目问题 | 第43-44页 |
| ·排除噪声，优化端元矢量 | 第44-48页 |
| ·对优化端元矢量阈值局限性的数学修正 | 第48页 |
| ·端元光谱集趋于稳定及自适应获得端元矢量数目 | 第48页 |
| ·算法描述 | 第48-51页 |
| ·算法分析 | 第51-52页 |
| ·实验分析 | 第52-60页 |
| ·端元提取算法的评价指标 | 第60-73页 |
| ·评价指标 | 第60-61页 |
| ·模拟图像的生成方法 | 第61-62页 |
| ·加入噪声的方法与位置 | 第62-63页 |
| ·模拟图像可以检测到“近邻关系”即“空间信息” | 第63页 |
| ·算法实验 | 第63-73页 |
| 第五章 基于正则 MAP 模型的高光谱影像亚象元定位算法 | 第73-81页 |
| ·亚象元定位的模型 | 第73-74页 |
| ·亚象元定位模型的定位原理 | 第74页 |
| ·正则 MAP 亚象元定位方法 | 第74-77页 |
| ·实验及分析 | 第77-81页 |
| 第六章 总结与展望 | 第81-83页 |
| ·总结 | 第81页 |
| ·进一步的研究方向 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 攻读学位期间取得的研究成果和参与项目 | 第89-90页 |
| 致谢 | 第90页 |