| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状和发展趋势 | 第12-16页 |
| 1.3 本论文研究内容与意义 | 第16页 |
| 1.4 本论文结构安排 | 第16-18页 |
| 第2章 压缩感知及经典混合像元分解 | 第18-30页 |
| 2.1 压缩感知理论 | 第18-21页 |
| 2.1.1 稀疏表示 | 第18-19页 |
| 2.1.2 观测矩阵 | 第19页 |
| 2.1.3 信号恢复 | 第19-21页 |
| 2.2 经典的高光谱图像混合像元分解算法 | 第21-29页 |
| 2.2.1 高光谱线性混合模型 | 第21-23页 |
| 2.2.2 VCA算法 | 第23-24页 |
| 2.2.3 MVSA算法 | 第24页 |
| 2.2.4 SMACC算法 | 第24-25页 |
| 2.2.5 经典算法的性能比较 | 第25-29页 |
| 2.3 高光谱图像分布式压缩感知 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于压缩感知的混合像元分解 | 第30-41页 |
| 3.1 算法原理 | 第30-33页 |
| 3.1.1 基于稀疏表示的混合像元分解 | 第30页 |
| 3.1.2 基于压缩感知的混合像元分解 | 第30-33页 |
| 3.2 算法方案 | 第33-34页 |
| 3.2.1 基于OMP算法的混合像元分解 | 第33页 |
| 3.2.2 基于SOMP算法的混合像元分解 | 第33-34页 |
| 3.3 结果与讨论 | 第34-40页 |
| 3.3.1 实验条件和评价指标 | 第34-35页 |
| 3.3.2 合成高光谱数据 | 第35-36页 |
| 3.3.3 实验结果与分析 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于混合像元分解的高光谱图像压缩感知重构 | 第41-46页 |
| 4.1 算法原理 | 第41-42页 |
| 4.2 算法方案 | 第42-43页 |
| 4.2.1 基于未知端元的压缩感知重构算法 | 第42-43页 |
| 4.2.2 基于已知端元的压缩感知重构算法 | 第43页 |
| 4.3 结果与讨论 | 第43-45页 |
| 4.3.1 基于合成数据的重构算法实验及分析 | 第43-44页 |
| 4.3.2 基于真实数据的重构算法实验及分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 基于引导滤波的分布式植物高光谱图像压缩感知重构 | 第46-62页 |
| 5.1 引导滤波 | 第46-47页 |
| 5.2 高光谱图像评价方法 | 第47-49页 |
| 5.2.1 高光谱图像光谱域评价方法 | 第47页 |
| 5.2.2 高光谱图像空间域评价方法 | 第47-48页 |
| 5.2.3 植物高光谱图像生理生化参数评价方法 | 第48-49页 |
| 5.3 算法原理 | 第49-51页 |
| 5.3.1 高光谱图像压缩感知重构流程图 | 第49页 |
| 5.3.2 基于引导滤波的高光谱图像分布式压缩感知重构 | 第49-50页 |
| 5.3.3 基于图像残差的自适应码流分配高光谱图像引导滤波的压缩感知重构 | 第50-51页 |
| 5.4 结果与讨论 | 第51-61页 |
| 5.4.1 植物高光谱图像数据 | 第51-52页 |
| 5.4.2 实验结果 | 第52-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录 | 第70页 |
