基于端元学习的高光谱图像稀疏解混研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究的背景和意义 | 第15-17页 |
| 1.2 研究的现状和发展趋势 | 第17-19页 |
| 1.2.1 高光谱遥感技术的发展 | 第17页 |
| 1.2.2 高光谱图像解混技术的发展 | 第17-19页 |
| 1.3 本文的主要工作 | 第19-20页 |
| 1.4 论文的架构和内容安排 | 第20-21页 |
| 第二章 高光谱图像解混和NMF技术简介 | 第21-29页 |
| 2.1 高光谱图像解混模型概述 | 第21-24页 |
| 2.1.1 线性光谱混合模型 | 第21-22页 |
| 2.1.2 非线性光谱混合模型 | 第22-24页 |
| 2.2 端元提取算法 | 第24-26页 |
| 2.2.1 端元识别法 | 第24-25页 |
| 2.2.2 端元生成法 | 第25-26页 |
| 2.3 丰度估计算法 | 第26-27页 |
| 2.4 非负矩阵分解（NMF）解混 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于端元学习的空间相似高光谱图像稀疏解混 | 第29-45页 |
| 3.1 端元学习思想的引入 | 第29-31页 |
| 3.2 基于光滑性约束的端元学习 | 第31-33页 |
| 3.3 空间相似高光谱图像稀疏解混 | 第33-36页 |
| 3.4 实验结果与分析 | 第36-44页 |
| 3.4.1 解混精度评价指标 | 第36-37页 |
| 3.4.2 模拟数据实验结果与分析 | 第37-39页 |
| 3.4.3 真实高光谱数据实验结果与分析 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于端元学习的正则加权高光谱图像稀疏解混 | 第45-57页 |
| 4.1 基于光滑性和间断光滑性双约束的端元学习 | 第45-46页 |
| 4.2 正则加权高光谱图像稀疏解混 | 第46-49页 |
| 4.3 实验结果与分析 | 第49-56页 |
| 4.3.1 模拟数据实验结果与分析 | 第49-52页 |
| 4.3.2 真实高光谱数据实验结果与分析 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于端元学习的近邻相关高光谱图像稀疏解混 | 第57-67页 |
| 5.1 近邻相关高光谱图像稀疏解混 | 第57-60页 |
| 5.2 实验结果与分析 | 第60-65页 |
| 5.2.1 模拟数据实验结果与分析 | 第60-62页 |
| 5.2.2 真实高光谱数据实验结果与分析 | 第62-65页 |
| 5.3 本章小结 | 第65-67页 |
| 第六章 结论和展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
