首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于端元和丰度属性的NMF算法改进

摘要第5-6页
ABSTRACT第6页
第1章 绪论第10-16页
    1.1 课题研究背景及意义第10-12页
    1.2 高光谱图像解混研究现状第12-13页
    1.3 论文主要研究内容及总体框架第13-16页
        1.3.1 论文主要内容第13-14页
        1.3.2 论文的总体框架第14-16页
第2章 高光谱线性混合模型与非负矩阵分解第16-26页
    2.1 线性混合模型第16-17页
        2.1.1 线性混合模型代数学描述第16-17页
        2.1.2 线性混合模型几何学描述第17页
    2.2 非负矩阵分解理论第17-21页
        2.2.1 NMF目标函数第18-19页
        2.2.2 NMF迭代求解方法第19-21页
        2.2.3 NMF算法停止准则第21页
    2.3 基于NMF算法的相关改进算法第21-25页
        2.3.1 MVC-NMF第21-23页
        2.3.2 约束的非负矩阵分解(CNMF)第23-24页
        2.3.3 L_(1/2)-NMF第24-25页
    2.4 小结第25-26页
第3章 MMDC-NMF算法及实验分析第26-55页
    3.1 MDC-NMF第26-27页
    3.2 MMDC-NMF算法的描述第27-33页
        3.2.1 Manifold-Regularized MDC-NMF第27-30页
        3.2.2 构造MMDC-NMF算法的目标函数第30页
        3.2.3 满足丰度和为1约束(ASC)第30-31页
        3.2.4 MMDC-NMF算法的迭代规则第31-32页
        3.2.5 算法具体步骤第32-33页
    3.3 模拟图像实验及结果分析第33-46页
        3.3.1 模拟图像数据来源第33-36页
        3.3.2 参数的选择第36-38页
        3.3.3 不同噪声水平下的算法性能第38-40页
        3.3.4 平均运行时间比较第40-42页
        3.3.5 算法解混性能分析第42-46页
    3.4 真实图像实验及结果分析第46-54页
        3.4.1 真实图像介绍第46-49页
        3.4.2 Cuprite图像实验结果与分析第49-51页
        3.4.3 唐卡图像实验结果与分析第51-54页
    3.5 小结第54-55页
第4章 SMDC-NMF算法及实验分析第55-77页
    4.1 SMDC-NMF算法的描述第55-58页
        4.1.1 Sparsity-Constrained MDC-NMF第55页
        4.1.2 满足丰度和为1约束(ASC)第55-56页
        4.1.3 SMDC-NMF算法的迭代规则第56-57页
        4.1.4 算法具体步骤第57-58页
    4.2 模拟图像实验及结果分析第58-69页
        4.2.1 模拟图像数据来源第58-59页
        4.2.2 参数的选择第59-60页
        4.2.3 不同噪声水平下的算法性能第60-62页
        4.2.4 平均运行时间比较第62-64页
        4.2.5 算法解混性能分析第64-69页
    4.3 真实图像实验及结果分析第69-76页
        4.3.1 真实图像介绍第69页
        4.3.2 Cuprite图像实验结果与分析第69-72页
        4.3.3 唐卡图像实验结果与分析第72-76页
    4.4 小结第76-77页
第5章 总结与展望第77-79页
    5.1 总结第77页
    5.2 展望第77-79页
参考文献第79-83页
致谢第83-84页
研究生履历第84页

论文共84页,点击 下载论文
上一篇:基于DEA-Tobit模型的中部地区高等教育资源配置效率研究
下一篇:中剂量阿糖胞苷巩固治疗急性髓系白血病疗效分析