| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.2 亚像元定位技术的研究现状 | 第12-16页 |
| 1.2.1 国际概况 | 第12-14页 |
| 1.2.2 国内概况 | 第14-16页 |
| 1.3 本文的研究内容与结构安排 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 结构安排 | 第17-18页 |
| 第2章 亚像元定位技术理论基础方法 | 第18-38页 |
| 2.1 混合像元光谱分解 | 第18-25页 |
| 2.1.1 线性混合模型 | 第19-20页 |
| 2.1.2 顶点成分分析（VCA） | 第20-22页 |
| 2.1.3 约束最小二乘求取丰度 | 第22-25页 |
| 2.2 亚像元定位基本原理 | 第25-30页 |
| 2.3 两种经典亚像元定位方法 | 第30-35页 |
| 2.3.1 像元空间吸引力模型 | 第30-32页 |
| 2.3.2 亚像元置换法模型 | 第32-35页 |
| 2.4 亚像元定位精度评价方法 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 实验数据简介 | 第38-48页 |
| 3.1 模拟高光谱图像实验数据 | 第38-42页 |
| 3.2 机载成像光谱仪数据 | 第42-44页 |
| 3.3 Landsat8卫星数据 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 马尔科夫随机场亚像元定位研究 | 第48-70页 |
| 4.1 Markov随机场亚像元定位方法的建立 | 第48-55页 |
| 4.1.1 Markov随机场的定义 | 第49-51页 |
| 4.1.2 Gibbs随机场与Markov随机场的等价关系 | 第51-52页 |
| 4.1.3 MRF-MAP框架 | 第52-55页 |
| 4.2 模拟退火优化方法 | 第55-58页 |
| 4.3 基于K均值聚类的Markov随机场亚像元定位 | 第58-61页 |
| 4.4 实验结果与分析 | 第61-69页 |
| 4.4.1 模拟数据 | 第61-66页 |
| 4.4.2 卫星影像数据 | 第66-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 基于K-P-Means端元聚类估计的亚像元定位方法研究 | 第70-82页 |
| 5.1 K-P-Means高光谱端元聚类算法 | 第70-73页 |
| 5.2 基于K-P-Means聚类的亚像元定位方法 | 第73-75页 |
| 5.3 实验结果与分析 | 第75-81页 |
| 5.3.1 模拟数据 | 第75-79页 |
| 5.3.2 成像光谱仪数据 | 第79-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第6章 总结与展望 | 第82-84页 |
| 6.1 全文总结 | 第82-83页 |
| 6.2 未来展望 | 第83-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-90页 |
