| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-19页 |
| 第一章 绪论 | 第19-41页 |
| 1.1 高光谱遥感技术发展现状 | 第19-21页 |
| 1.1.1 高光谱遥感技术发展历程 | 第19-20页 |
| 1.1.2 高光谱遥感技术应用领域 | 第20-21页 |
| 1.2 高光谱图像分类研究背景与意义 | 第21-22页 |
| 1.3 现有高光谱图像分类算法 | 第22-35页 |
| 1.3.1 基于特征降维的高光谱图像分类 | 第22-27页 |
| 1.3.2 基于稀疏学习的高光谱图像分类 | 第27-30页 |
| 1.3.3 基于分类模型的高光谱图像分类 | 第30-33页 |
| 1.3.4 基于深度学习与空谱结合的高光谱图像分类 | 第33-35页 |
| 1.3.5 常用评价指标 | 第35页 |
| 1.4 高光谱图像分类面临的挑战 | 第35-36页 |
| 1.5 论文主要工作及章节安排 | 第36-41页 |
| 第二章 基于加权低秩表示的高光谱图像分类 | 第41-63页 |
| 2.1 引言 | 第41-42页 |
| 2.2 低秩表示 | 第42-43页 |
| 2.3 基于加权低秩表示的维数约减 | 第43-48页 |
| 2.3.1 加权低秩表示 | 第43-45页 |
| 2.3.2 WLRR的优化算法 | 第45页 |
| 2.3.3 基于WLRR的维数约简算法 | 第45-46页 |
| 2.3.4 IMFs字典 | 第46-48页 |
| 2.4 实验结果与分析 | 第48-61页 |
| 2.4.1 AVIRIS数据集: Indian Pines | 第48-54页 |
| 2.4.2 ROSIS数据集: Pavia University | 第54-58页 |
| 2.4.3 AVIRIS数据集: Salinas | 第58-61页 |
| 2.5 本章小结 | 第61-63页 |
| 第三章 基于加权低秩图判别分析的高光谱图像分类 | 第63-81页 |
| 3.1 引言 | 第63-64页 |
| 3.2 低秩图判别分析介绍 | 第64-65页 |
| 3.3 加权低秩图判别分析 | 第65-68页 |
| 3.4 实验结果与分析 | 第68-73页 |
| 3.4.1 Pavia University的降维结果 | 第68-70页 |
| 3.4.2 Indian Pines的降维结果 | 第70-72页 |
| 3.4.3 Botswana的降维结果 | 第72-73页 |
| 3.5 参数分析 | 第73-79页 |
| 3.5.1 Pavia University数据集上的参数分析 | 第73-76页 |
| 3.5.2 Indian Pines数据集上的参数分析 | 第76-78页 |
| 3.5.3 Botswana数据集上的参数分析 | 第78-79页 |
| 3.6 本章小结 | 第79-81页 |
| 第四章 基于最大相关熵准则与低秩保持投影的高光谱图像分类 | 第81-99页 |
| 4.1 引言 | 第81-82页 |
| 4.2 基于最大相关熵准则的低秩保持投影 | 第82-83页 |
| 4.3 MCC-LRPP的数值解法 | 第83-87页 |
| 4.4 实验结果与分析 | 第87-92页 |
| 4.4.1 ROSIS数据集: Pavia University | 第87-89页 |
| 4.4.2 AVIRIS数据集: Indian Pines | 第89-91页 |
| 4.4.3 Botswana数据集 | 第91-92页 |
| 4.5 参数分析 | 第92-97页 |
| 4.5.1 Pavia University数据集上的参数分析 | 第92-94页 |
| 4.5.2 Indian Pines数据集上的参数分析 | 第94-95页 |
| 4.5.3 Botswana数据集上的参数分析 | 第95-97页 |
| 4.6 本章小结 | 第97-99页 |
| 第五章 基于多元逻辑回归分治算法的高光谱图像分类 | 第99-125页 |
| 5.1 引言 | 第99-100页 |
| 5.2 多元逻辑回归及其常用解法 | 第100-101页 |
| 5.3 DC-GSMLR：GSMLR的分治算法 | 第101-103页 |
| 5.4 DC-LPMLR：LPMLR的分治算法 | 第103-106页 |
| 5.5 DC-GSMLR实验结果与分析 | 第106-114页 |
| 5.5.1 AVIRIS数据集：Indian Pines | 第106-109页 |
| 5.5.2 ROSIS数据集：Pavia University | 第109-111页 |
| 5.5.3 AVIRIS数据集: Salinas | 第111-114页 |
| 5.6 DC-LPMLR实验结果与分析 | 第114-122页 |
| 5.6.1 AVIRIS数据集：Indian Pines | 第114-117页 |
| 5.6.2 ROSIS数据集：Pavia University | 第117-119页 |
| 5.6.3 AVIRIS数据集: Salinas | 第119-122页 |
| 5.7 本章小结 | 第122-125页 |
| 第六章 总结与展望 | 第125-129页 |
| 6.1 本文主要贡献 | 第125-126页 |
| 6.2 进一步的研究方向 | 第126-129页 |
| 参考文献 | 第129-141页 |
| 致谢 | 第141-143页 |
| 作者简介 | 第143-145页 |
