| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 高光谱图像的特点与面临的挑战 | 第12-14页 |
| 1.2.2 研究现状与存在的问题 | 第14-15页 |
| 1.2.3 高光谱图像公开数据集 | 第15-18页 |
| 1.3 本文的主要工作 | 第18-19页 |
| 1.4 本文章节安排 | 第19-21页 |
| 第2章 相关基础知识 | 第21-30页 |
| 2.1 张量基础 | 第21-23页 |
| 2.1.1 张量的纤和切片 | 第21-22页 |
| 2.1.2 张量运算 | 第22-23页 |
| 2.2 现有的高光谱图像空谱域特征描述算法 | 第23-29页 |
| 2.2.1 2DSIFT描述算法 | 第23-24页 |
| 2.2.2 3DSIFT描述算法 | 第24-26页 |
| 2.2.3 LBP描述算法 | 第26-28页 |
| 2.2.4 VLBP描述算法 | 第28页 |
| 2.2.5 CS-LBP描述算法 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 高光谱图像空谱域张量梯度SIFT描述算法 | 第30-70页 |
| 3.1 高光谱图像的空谱域张量模型 | 第30-32页 |
| 3.2 高光谱图像的张量梯度 | 第32-35页 |
| 3.3 高光谱图像张量梯度SIFT描述算法 | 第35-38页 |
| 3.3.1 计算主方向 | 第35-36页 |
| 3.3.2 生成描述矢量 | 第36-37页 |
| 3.3.3 算法步骤 | 第37-38页 |
| 3.4 匹配实验 | 第38-45页 |
| 3.4.1 数据集介绍 | 第38-40页 |
| 3.4.2 评价指标 | 第40-41页 |
| 3.4.3 描述算法参数分析 | 第41-43页 |
| 3.4.4 实验结果与分析 | 第43-45页 |
| 3.5 分类实验 | 第45-69页 |
| 3.5.1 分类结果评价标准 | 第45-46页 |
| 3.5.2 单次分类结果分析 | 第46-61页 |
| 3.5.3 20次分类结果分析 | 第61-65页 |
| 3.5.4 训练样本数对分类精度的影响分析 | 第65-69页 |
| 3.6 本章小结 | 第69-70页 |
| 第4章 基于张量的高光谱图像空谱域局部二值模式描述算法 | 第70-96页 |
| 4.1 高光谱图像的三阶张量分解 | 第70-71页 |
| 4.2 高光谱图像空谱域编码算法 | 第71-76页 |
| 4.2.1 空谱域联合概率分布函数 | 第71-72页 |
| 4.2.2 高光谱图像模3纤上的局部二值编码 | 第72-74页 |
| 4.2.3 高光谱正面切片上的局部二值编码 | 第74页 |
| 4.2.4 空谱域联合编码 | 第74-75页 |
| 4.2.5 特征描述矢量生成 | 第75-76页 |
| 4.3 算法步骤 | 第76页 |
| 4.4 实验结果与分析 | 第76-94页 |
| 4.4.1 单次分类结果分析 | 第77-88页 |
| 4.4.2 20次分类结果分析 | 第88-91页 |
| 4.4.3 训练样本数对分类精度的影响分析 | 第91-94页 |
| 4.5 本章小结 | 第94-96页 |
| 第5章 总结与展望 | 第96-98页 |
| 5.1 论文工作总结 | 第96-97页 |
| 5.2 工作展望 | 第97-98页 |
| 参考文献 | 第98-103页 |
| 致谢 | 第103-104页 |
| 攻读硕士学位期间的研究成果 | 第104页 |