| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第15-17页 |
| 缩略语对照表 | 第17-23页 |
| 第一章 绪论 | 第23-43页 |
| 1.1 研究背景和意义 | 第23-26页 |
| 1.1.1 遥感与遥感图像 | 第23页 |
| 1.1.2 合成孔径雷达(SAR)成像的基本原理 | 第23-24页 |
| 1.1.3 SAR图像的特点及应用 | 第24-25页 |
| 1.1.4 高光谱成像的基本原理 | 第25页 |
| 1.1.5 高光谱图像的特点及应用 | 第25-26页 |
| 1.2 遥感图像地物分类研究现状及难点 | 第26-32页 |
| 1.2.1 SAR图像地物分类研究现状及难点 | 第26-28页 |
| 1.2.2 高光谱图像地物分类研究现状及难点 | 第28-32页 |
| 1.3 软计算和互信息理论的发展 | 第32-39页 |
| 1.3.1 软计算中的模糊逻辑和进化计算 | 第32-35页 |
| 1.3.2 互信息理论和互信息的评估 | 第35-39页 |
| 1.4 论文的主要内容 | 第39-43页 |
| 第二章 基于克隆选择优化的词袋模型的SAR图像地物分类 | 第43-59页 |
| 2.1 引言 | 第43-44页 |
| 2.2 词袋特征表示模型 | 第44-46页 |
| 2.3 基于克隆选择优化的词袋模型(CSA-BOV) | 第46-50页 |
| 2.3.1 CSA-BOV步骤 | 第46-47页 |
| 2.3.2 基于分水岭的前处理 | 第47页 |
| 2.3.3 基于Gabor滤波和灰度共生矩阵的特征提取与融合 | 第47-48页 |
| 2.3.4 基于克隆选择算法的可视字构造 | 第48-50页 |
| 2.4 实验结果与分析 | 第50-57页 |
| 2.4.1 实验对比算法和关键参数设计 | 第50页 |
| 2.4.2 SAR图像地物分类结果 | 第50-54页 |
| 2.4.3 不同等级噪声的鲁棒性分析 | 第54-55页 |
| 2.4.4 训练样本个数的敏感性分析 | 第55-56页 |
| 2.4.5 CSA-BOV中的参数分析 | 第56-57页 |
| 2.5 本章小结 | 第57-59页 |
| 第三章 基于非局部信息和改进边缘保持的无监督SAR图像地物分类 | 第59-77页 |
| 3.1 引言 | 第59-60页 |
| 3.2 模糊聚类算法研究进展 | 第60-63页 |
| 3.2.1 标准的模糊c均值(FCM)算法 | 第60页 |
| 3.2.2 约束的模糊聚类(FCM_S)算法 | 第60-61页 |
| 3.2.3 增强的模糊聚类(En FCM)算法 | 第61-62页 |
| 3.2.4 快速推广的模糊聚类(FGFCM)算法 | 第62页 |
| 3.2.5 模糊局部信息的聚类(FLICM)算法 | 第62-63页 |
| 3.2.6 非局部空间信息的模糊聚类(FCM-NLS)算法 | 第63页 |
| 3.3 基于非局部信息和改进边缘保持的模糊聚类方法(NLEP-FCM) | 第63-69页 |
| 3.3.1 NLEP-FCM算法流程 | 第63页 |
| 3.3.2 基于非局部信息的求和图像的构造 | 第63-65页 |
| 3.3.3 基于统计的过平滑边缘的重新定位 | 第65-66页 |
| 3.3.4 FCM聚类 | 第66-67页 |
| 3.3.5 NLEP-FCM中修订求和图像的有效性验证 | 第67-69页 |
| 3.4 实验结果与分析 | 第69-76页 |
| 3.4.1 实验对比算法和关键参数设置 | 第69页 |
| 3.4.2 合成SAR图像的分割结果 | 第69-70页 |
| 3.4.3 真实SAR图像的分割结果 | 第70-75页 |
| 3.4.4 不同等级的噪声鲁棒性分析 | 第75页 |
| 3.4.5 NLEP-FCM中的参数分析 | 第75-76页 |
| 3.5 本章小结 | 第76-77页 |
| 第四章 基于三元互信息测度和波段克隆选择优化的高光谱图像地物分类 | 第77-101页 |
| 4.1 引言 | 第77-78页 |
| 4.2 基于互信息(MI)的有监督特征选择方法研究进展 | 第78-79页 |
| 4.3 基于三元互信息(TMI)的准则函数 | 第79-84页 |
| 4.3.1 基于TMI的准则 | 第80-82页 |
| 4.3.2 TMI准则和理想MI准则关系理论分析 | 第82-84页 |
| 4.3.3 半监督TMI(STMI)准则 | 第84页 |
| 4.4 基于改进克隆选择算法(CSA)的搜索策略 | 第84-86页 |
| 4.4.1 种群初始化 | 第85页 |
| 4.4.2 基于TMI和STMI准则函数指导下的种群迭代 | 第85-86页 |
| 4.4.3 TMI-CSA和STMI-CSA算法流程 | 第86页 |
| 4.5 实验结果与分析 | 第86-99页 |
| 4.5.1 高光谱图像地物分类结果与分析 | 第87-94页 |
| 4.5.2 所选波段个数敏感性分析 | 第94-95页 |
| 4.5.3 时间复杂度分析 | 第95-96页 |
| 4.5.4 TMI-CSA和STMI-CSA所选波段分析 | 第96-97页 |
| 4.5.5 TMI-CSA和STMI-CSA中的参数分析 | 第97-99页 |
| 4.6 本章小结 | 第99-101页 |
| 第五章 基于高信息低冗余无监督波段选择的高光谱图像地物分类 | 第101-123页 |
| 5.1 引言 | 第101-102页 |
| 5.2 无监督特征选择方法研究进展 | 第102-103页 |
| 5.3 基于高信息低冗余的无监督波段选择方法 | 第103-107页 |
| 5.3.1 最大联合互信息(MJMI)准则 | 第103页 |
| 5.3.2 高信息低冗余(UIR)准则 | 第103-104页 |
| 5.3.3 MJMI准则和UIR准则关系理论分析 | 第104-107页 |
| 5.4 半监督特征选择方法研究进展 | 第107-108页 |
| 5.5 基于高辨别高信息低冗余的半监督波段选择方法(SDIR) | 第108-109页 |
| 5.6 实验结果与分析 | 第109-121页 |
| 5.6.1 高光谱图像地物分类结果与分析 | 第110-116页 |
| 5.6.2 时间复杂度分析 | 第116-117页 |
| 5.6.3 所选波段个数敏感性分析 | 第117-118页 |
| 5.6.4 UIR和SDIR所选波段分析 | 第118-119页 |
| 5.6.5 参数敏感性分析 | 第119-121页 |
| 5.7 本章小结 | 第121-123页 |
| 第六章 基于近邻传播半监督波段选择的高光谱图像地物分类 | 第123-145页 |
| 6.1 引言 | 第123-124页 |
| 6.2 近邻传播聚类算法 | 第124-125页 |
| 6.3 基于正则化三元互信息的近邻传播聚类方法(RNTMIAP) | 第125-130页 |
| 6.3.1 基于正则化三元MI和正则化MI的波段相关性 | 第126-129页 |
| 6.3.2 基于熵和MI的波段偏向 | 第129页 |
| 6.3.3 自动噪声波段移除 | 第129-130页 |
| 6.3.4 RNTMIAP方法步骤 | 第130页 |
| 6.3.5 RNTMIAP方法时间复杂度分析 | 第130页 |
| 6.4 实验结果与分析 | 第130-144页 |
| 6.4.1 高光谱图像地物分类结果与分析 | 第131-141页 |
| 6.4.2 所选波段分析 | 第141-142页 |
| 6.4.3 自动噪声波段移除分析 | 第142-143页 |
| 6.4.4 参数敏感性分析 | 第143-144页 |
| 6.5 本章小结 | 第144-145页 |
| 第七章 总结与展望 | 第145-149页 |
| 参考文献 | 第149-165页 |
| 致谢 | 第165-167页 |
| 作者简介 | 第167-170页 |
