| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 遥感技术的发展现状 | 第13-14页 |
| 1.3 高光谱图像分类的研究现状 | 第14-17页 |
| 1.3.1 高光谱图像监督分类方法 | 第15-16页 |
| 1.3.2 高光谱图像无监督分类方法 | 第16页 |
| 1.3.3 高光谱图像面向对象分类方法 | 第16-17页 |
| 1.4 本文目标及结构安排 | 第17-19页 |
| 第2章 张量模型概述 | 第19-25页 |
| 2.1 张量介绍 | 第19-22页 |
| 2.1.1 张量范数和张量内积 | 第21页 |
| 2.1.2 张量t-积(t-product) | 第21-22页 |
| 2.1.3 张量奇异值分解(T-SVD) | 第22页 |
| 2.1.4 张量核范数 | 第22页 |
| 2.2 张量鲁棒主成分分析 | 第22-24页 |
| 2.2.1 张量鲁棒主成分分析的数学模型 | 第23页 |
| 2.2.2 张量鲁棒主成分分析数学模型求解算法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于组低秩张量分解的高光谱图像分类 | 第25-40页 |
| 3.1 引言 | 第25页 |
| 3.2 支持向量机 | 第25-28页 |
| 3.2.1 线性可分支持向量机 | 第25-27页 |
| 3.2.2 线性不可分支持向量机 | 第27-28页 |
| 3.3 基于组低秩张量分解的高光谱分类 | 第28-30页 |
| 3.4 实验结果与参数讨论 | 第30-38页 |
| 3.4.1 高光谱图像分类实验数据集 | 第30-32页 |
| 3.4.2 高光谱图像分类精度评价指标 | 第32页 |
| 3.4.3 参数讨论 | 第32-34页 |
| 3.4.4 实验结果 | 第34-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于低秩矩阵恢复和超像素的高光谱图像分类 | 第40-51页 |
| 4.1 引言 | 第40页 |
| 4.2 鲁棒主成分分析 | 第40-42页 |
| 4.3 基于低秩矩阵恢复的高光谱图像分类算法 | 第42-44页 |
| 4.3.1 高光谱图像超像素提取 | 第43页 |
| 4.3.2 基于低秩矩阵恢复和超像素的高光谱图像分类 | 第43-44页 |
| 4.4 实验结果与参数讨论 | 第44-49页 |
| 4.4.1 实验结果 | 第44-49页 |
| 4.4.2 参数讨论 | 第49页 |
| 4.5 本章小结 | 第49-51页 |
| 总结与展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第60页 |