| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-9页 |
| ·高光谱遥感图像数据简介 | 第9-10页 |
| ·混合像元分解研究现状 | 第10-11页 |
| ·选题意义及应用价值 | 第11-12页 |
| ·本文章节安排 | 第12-13页 |
| 第二章 基于线性模型的混合像元分解模型 | 第13-24页 |
| ·线性光谱混合模型 | 第13-14页 |
| ·端元个数确定方法 | 第14-19页 |
| ·主成分分析方法 | 第15-17页 |
| ·噪声调整的主成分分析方法 | 第17-18页 |
| ·虚拟维方法 | 第18-19页 |
| ·端元提取算法 | 第19-21页 |
| ·N-FINDR算法 | 第19-20页 |
| ·VCA(Vertex Component Analysis)算法 | 第20-21页 |
| ·SGA(Simplex Growing Algorithm)算法 | 第21页 |
| ·丰度解混算法 | 第21-22页 |
| ·最小二乘方法 | 第21-22页 |
| ·半约束及全约束最小二乘方法 | 第22页 |
| ·最大熵方法 | 第22页 |
| ·NMF(Nonnegative Matrix Factorization)算法 | 第22-24页 |
| 第三章 基于数据空间正交基的遥感图像混合像元分解方法 | 第24-41页 |
| ·N-FINDR及 SGA算法不足 | 第24-25页 |
| ·OBA(Orthogonal Bases Approach)算法 | 第25-30页 |
| ·端元提取算法 | 第25-29页 |
| ·端元个数确定 | 第29页 |
| ·丰度估计 | 第29-30页 |
| ·实验结果与分析 | 第30-39页 |
| ·模拟遥感数据实验 | 第30-36页 |
| ·实际模拟遥感数据实验 | 第36-39页 |
| ·总结与讨论 | 第39-41页 |
| 第四章 基于 NMF与单形算法的遥感图像数据处理方法 | 第41-51页 |
| ·已有方法在处理高混合数据的不足 | 第41-42页 |
| ·单形方法的不足 | 第41页 |
| ·NMF算法及其在混合像元分解中的不足 | 第41-42页 |
| ·基于 NMF和单形算法的高混合图像分解方法 | 第42-43页 |
| ·实验结果与分析 | 第43-50页 |
| ·模拟遥感数据实验 | 第44-46页 |
| ·实际遥感数据实验 | 第46-50页 |
| ·总结与讨论 | 第50-51页 |
| 第五章 基于噪声估计的全约束丰度估计方法 | 第51-62页 |
| ·最小二乘意义下丰度估计的模型及其几何解释 | 第51-53页 |
| ·FCLS算法及 GDME算法 | 第53-56页 |
| ·FCLS方法 | 第53-54页 |
| ·GDME方法 | 第54-56页 |
| ·基于噪声估计的全约束丰度估计方法 | 第56-58页 |
| ·实验结果与分析 | 第58-60页 |
| ·总结与讨论 | 第60-62页 |
| 第六章 总结与展望 | 第62-65页 |
| 附录 | 第65-69页 |
| 1. 定理1的证明 | 第65页 |
| 2. 正交基的模值的单调下降证明 | 第65-66页 |
| 3. 解混方程组的推导 | 第66-67页 |
| 4. 丰度估计结果与(3-6)式的等价关系证明 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士期间发表论文情况 | 第73-74页 |
| 致谢 | 第74-75页 |
