| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第14-15页 |
| 缩略语对照表 | 第15-20页 |
| 第一章 绪论 | 第20-32页 |
| 1.1 研究背景及意义 | 第20-25页 |
| 1.1.1 遥感技术 | 第20页 |
| 1.1.2 高光谱遥感技术发展现状 | 第20-23页 |
| 1.1.3 高光谱遥感技术的应用 | 第23-25页 |
| 1.2 高光谱图像分类的研究现状与挑战 | 第25-28页 |
| 1.2.1 高光谱图像分类研究现状 | 第25-27页 |
| 1.2.2 高光谱图像分类存在的挑战 | 第27-28页 |
| 1.3 基于稀疏表示的高光谱图像分类 | 第28-29页 |
| 1.4 论文的主要工作和结构安排 | 第29-31页 |
| 1.5 本章小结 | 第31-32页 |
| 第二章 高光谱图像分类基础 | 第32-50页 |
| 2.1 高光谱图像的数据特性和一般分类方法 | 第32-40页 |
| 2.1.1 高光谱图像表示形式和统计特性 | 第32-35页 |
| 2.1.2 高光谱图像的一般分类方法 | 第35-40页 |
| 2.2 稀疏表示 | 第40-45页 |
| 2.2.1 稀疏表示分类器(SRC) | 第40-42页 |
| 2.2.2 联合稀疏表示分类器(JSRC) | 第42-44页 |
| 2.2.3 优化算法 | 第44-45页 |
| 2.3 高光谱图像分类方法的性能评估 | 第45-49页 |
| 2.4 本章小结 | 第49-50页 |
| 第三章 基于光谱信息散度与稀疏表示的高光谱图像分类 | 第50-60页 |
| 3.1 引言 | 第50-51页 |
| 3.2 光谱信息散度(SID) | 第51-52页 |
| 3.3 基于SID的稀疏表示分类方法 | 第52-53页 |
| 3.4 基于SID的联合稀疏表示分类方法 | 第53-55页 |
| 3.5 实验结果和分析 | 第55-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第四章 基于多特征联合与稀疏表示学习的高光谱图像分类 | 第60-76页 |
| 4.1 引言 | 第60-62页 |
| 4.2 空谱域多特征提取 | 第62-65页 |
| 4.3 基于多特征联合的稀疏表示分类方法 | 第65-68页 |
| 4.4 实验结果与分析 | 第68-73页 |
| 4.4.1 实验基本设置 | 第68页 |
| 4.4.2 AVIRIS数据的实验结果 | 第68-72页 |
| 4.4.3 ROSIS数据的实验结果 | 第72-73页 |
| 4.5 本章小结 | 第73-76页 |
| 第五章 基于多特征核稀疏表示学习的高光谱图像分类 | 第76-96页 |
| 5.1 引言 | 第76-78页 |
| 5.2 基于多特征加权联合的稀疏表示分类方法 | 第78-80页 |
| 5.3 基于多特征加权联合的核稀疏表示非线性分类方法 | 第80-81页 |
| 5.4 SOMP优化方法 | 第81-84页 |
| 5.5 实验结果与分析 | 第84-93页 |
| 5.5.1 实验基本设置 | 第84-85页 |
| 5.5.2 AVIRIS数据的实验结果 | 第85-90页 |
| 5.5.3 ROSIS数据的实验结果 | 第90-93页 |
| 5.6 本章小结 | 第93-96页 |
| 第六章 基于类级稀疏表示学习的高光谱图像空谱联合分类 | 第96-120页 |
| 6.1 引言 | 第96-98页 |
| 6.2 基于类级稀疏表示的空谱联合分类方法 | 第98-100页 |
| 6.3 非线性的类级稀疏表示分类方法 | 第100-101页 |
| 6.4 MSOMP优化算法 | 第101-103页 |
| 6.5 实验结果与分析 | 第103-119页 |
| 6.5.1 实验基本设置 | 第104-105页 |
| 6.5.2 AVIRIS数据的实验结果 | 第105-109页 |
| 6.5.3 ROSIS数据的实验结果 | 第109-111页 |
| 6.5.4 参数影响分析 | 第111-119页 |
| 6.6 本章小结 | 第119-120页 |
| 第七章 基于稀疏集成学习的高光谱图像空谱信息联合分类 | 第120-140页 |
| 7.1 集成学习理论基础 | 第120-124页 |
| 7.1.1 集成学习的定义和系统结构 | 第120-123页 |
| 7.1.2 集成学习的应用 | 第123-124页 |
| 7.2 基于稀疏集成学习的空谱联合分类方法 | 第124-129页 |
| 7.2.1 稀疏集成分类方法(SWMV) | 第124-126页 |
| 7.2.2 空谱联合的稀疏集成分类方法(JSWMV) | 第126-128页 |
| 7.2.3 ADMM优化方法 | 第128-129页 |
| 7.3 实验结果与分析 | 第129-138页 |
| 7.3.1 实验基本设置 | 第129-130页 |
| 7.3.2 AVIRIS数据的实验结果 | 第130-133页 |
| 7.3.3 ROSIS数据的实验结果 | 第133-136页 |
| 7.3.4 参数影响分析 | 第136-138页 |
| 7.4 本章小结 | 第138-140页 |
| 总结与展望 | 第140-144页 |
| 参考文献 | 第144-158页 |
| 致谢 | 第158-160页 |
| 作者简介 | 第160-162页 |
