| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-39页 |
| 1.1 课题背景与研究意义 | 第15-17页 |
| 1.2 高光谱图像分类研究现状 | 第17-26页 |
| 1.2.1 国内外研究概况 | 第17页 |
| 1.2.2 高光谱图像分类面临的挑战 | 第17-19页 |
| 1.2.3 高光谱图像分类技术研究现状 | 第19-26页 |
| 1.3 高斯过程模型及其在高光谱图像上的应用 | 第26-31页 |
| 1.3.1 高斯随机过程 | 第26-27页 |
| 1.3.2 高斯过程模型概述 | 第27-29页 |
| 1.3.3 高斯过程模型研究进展 | 第29-30页 |
| 1.3.4 高斯过程模型在高光谱图像上的应用 | 第30-31页 |
| 1.4 论文主要工作 | 第31-33页 |
| 1.5 高光谱图像分类研究实验数据 | 第33-37页 |
| 1.6 论文内容安排 | 第37-39页 |
| 第二章 面向高光谱图像空谱分类的GPR模型 | 第39-67页 |
| 2.1 引言 | 第39页 |
| 2.2 GPR模型概述 | 第39-45页 |
| 2.2.1 两类GPR模型 | 第40-42页 |
| 2.2.2 GPR模型同贝叶斯线性回归的关系 | 第42-44页 |
| 2.2.3 GPR模型参数学习 | 第44-45页 |
| 2.3 基于GPR模型的的高光谱图像空谱分类方法 | 第45-52页 |
| 2.3.1 基于GPR模型的一般分类流程 | 第45-46页 |
| 2.3.2 结合光谱和空间信息分类的S2GPR方法 | 第46-48页 |
| 2.3.3 基于Cholesky矩阵分解的GPR模型快速更新方法 | 第48-52页 |
| 2.4 实验结果与分析 | 第52-66页 |
| 2.4.1 实验设置 | 第52-53页 |
| 2.4.2 分类结果评价指标 | 第53-54页 |
| 2.4.3 与其他方法的比较 | 第54-61页 |
| 2.4.4 提出的模型更新方法性能分析 | 第61-66页 |
| 2.5 本章小结 | 第66-67页 |
| 第三章 面向高光谱图像空谱分类的GPC同MRF模型组合 | 第67-89页 |
| 3.1 引言 | 第67页 |
| 3.2 GPC模型概述 | 第67-73页 |
| 3.2.1 GPC模型构建 | 第67-68页 |
| 3.2.2 GPC模型类别预测 | 第68-72页 |
| 3.2.3 GPC模型参数学习方法 | 第72-73页 |
| 3.3 组合GPC和MRF模型的空谱分类方法 | 第73-76页 |
| 3.3.1 贝叶斯概率分类框架 | 第73-74页 |
| 3.3.2 组合GPC和MRF模型的分类方法 | 第74-75页 |
| 3.3.3 二类到多类扩展方法 | 第75-76页 |
| 3.4 实验结果与分析 | 第76-87页 |
| 3.4.1 实验设置 | 第76-77页 |
| 3.4.2 与其他方法的比较 | 第77-84页 |
| 3.4.3 提出的分类方法性能分析 | 第84-87页 |
| 3.5 本章小结 | 第87-89页 |
| 第四章 面向高光谱图像分类的多GPC模型融合 | 第89-117页 |
| 4.1 引言 | 第89页 |
| 4.2 多分类器集成概述 | 第89-93页 |
| 4.2.1 多分类器集成结构 | 第90-91页 |
| 4.2.2 多分类器构建方式 | 第91页 |
| 4.2.3 多分类器决策融合策略 | 第91-93页 |
| 4.3 多GPC模型融合分类方法 | 第93-98页 |
| 4.3.1 基于波段分组的多GPC模型构建 | 第94-96页 |
| 4.3.2 多GPC模型分类结果融合 | 第96-98页 |
| 4.4 实验结果与分析 | 第98-115页 |
| 4.4.1 实验设置 | 第98页 |
| 4.4.2 与其他典型方法的比较 | 第98-110页 |
| 4.4.3 提出方法的性能分析 | 第110-115页 |
| 4.5 本章小结 | 第115-117页 |
| 第五章 面向高光谱图像分类的GPC模型主动学习 | 第117-143页 |
| 5.1 引言 | 第117页 |
| 5.2 主动学习概述 | 第117-121页 |
| 5.2.1 主动学习基础 | 第117-119页 |
| 5.2.2 典型的主动样本选择方法 | 第119-121页 |
| 5.3 基于GPC模型高光谱图像主动分类方法 | 第121-125页 |
| 5.3.1 基于GPC模型的主动分类框架 | 第121-122页 |
| 5.3.2 基于GPC模型输出不确定性的样本选择方法 | 第122-125页 |
| 5.3.3 主动学习中的模型更新策略 | 第125页 |
| 5.4 实验结果与分析 | 第125-140页 |
| 5.4.1 实验设置 | 第125-127页 |
| 5.4.2 高光谱图像主动分类方法评估 | 第127-137页 |
| 5.4.3 主动学习中单次样本选择数目对分类结果的影响 | 第137-139页 |
| 5.4.4 主动学习模型更新策略有效性评估 | 第139-140页 |
| 5.5 本章小结 | 第140-143页 |
| 第六章 结束语 | 第143-147页 |
| 6.1 本文主要贡献及结论 | 第143-144页 |
| 6.2 进一步研究方向 | 第144-147页 |
| 致谢 | 第147-149页 |
| 参考文献 | 第149-169页 |
| 作者在学期间取得的学术成果 | 第169-170页 |
