| 摘要 | 第1-5页 |
| Abstract | 第5-15页 |
| 英文缩写说明 | 第15-17页 |
| 符号说明 | 第17-19页 |
| 第1章 绪论 | 第19-39页 |
| ·课题背景及意义 | 第19-22页 |
| ·高光谱遥感技术的发展现状 | 第22-25页 |
| ·光谱解混技术的研究现状 | 第25-36页 |
| ·线性光谱混合模型 | 第26-27页 |
| ·端元选择技术 | 第27-34页 |
| ·混合像元分解技术 | 第34-36页 |
| ·本文的主要研究内容与组织结构 | 第36-38页 |
| ·本文所采用的数据源 | 第38-39页 |
| 第2章 现有的非监督光谱解混技术 | 第39-59页 |
| ·基于独立分量分析的非监督光谱解混 | 第39-51页 |
| ·盲信号分离 | 第39-41页 |
| ·独立分量分析 | 第41-50页 |
| ·独立分量分析在光谱解混中的应用 | 第50-51页 |
| ·基于非负矩阵分解的非监督光谱解混 | 第51-57页 |
| ·非负矩阵分解 | 第52-55页 |
| ·非负矩阵分解在光谱解混中的应用 | 第55-57页 |
| ·端元个数的确定方法 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第3章 结合图像空间信息的ICA模型 | 第59-77页 |
| ·Markov随机场与Gibbs分布 | 第59-63页 |
| ·邻域系统与集簇 | 第60-62页 |
| ·Markov随机场 | 第62页 |
| ·Gibbs分布 | 第62-63页 |
| ·Markov随机场模型 | 第63-65页 |
| ·自生模型 | 第63-64页 |
| ·多级逻辑模型 | 第64-65页 |
| ·用于光谱解混的Markov随机场模型 | 第65-68页 |
| ·MRF-ICA混合模型 | 第68-70页 |
| ·参数估计和算法描述 | 第69-70页 |
| ·实验结果 | 第70-76页 |
| ·合成图像 | 第70-73页 |
| ·真实图像 | 第73-74页 |
| ·高光谱图像 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第4章 光谱和空间复杂度的盲信号分离技术 | 第77-107页 |
| ·Kolmogorov复杂性 | 第77-78页 |
| ·复杂度映射 | 第78-80页 |
| ·扩展的基于复杂度的盲信号分离技术 | 第80-82页 |
| ·空间复杂度的盲信号分离技术 | 第80-81页 |
| ·光谱和空间复杂度的盲信号分离技术 | 第81-82页 |
| ·基于复杂度的盲信号分离技术适用于光谱解混的理论依据 | 第82-84页 |
| ·梯度下降优化算法 | 第84-85页 |
| ·实验结果 | 第85-99页 |
| ·欠完备的独立分量分析 | 第86-87页 |
| ·性能评价指标 | 第87-88页 |
| ·合成数据 | 第88-91页 |
| ·真实数据 | 第91-99页 |
| ·本章小结 | 第99页 |
| ·定理4.2的证明 | 第99-107页 |
| 第5章 包含非负和稀疏约束的基于复杂度的盲信号分离技术 | 第107-133页 |
| ·光谱的变化性 | 第107-108页 |
| ·高光谱数据的复杂度模型 | 第108-109页 |
| ·非负约束的基于复杂度的盲信号分离技术 | 第109-110页 |
| ·稀疏约束的基于复杂度的盲信号分离技术 | 第110-115页 |
| ·稀疏性 | 第110-112页 |
| ·采用nsNMF的基于复杂度的盲信号分离技术 | 第112-113页 |
| ·采用NMFSC的基于复杂度的盲信号分离技术 | 第113-115页 |
| ·包含非负和稀疏约束的基于复杂度的盲信号分离算法描述 | 第115-116页 |
| ·实验结果 | 第116-128页 |
| ·合成数据 | 第117-120页 |
| ·真实数据 | 第120-128页 |
| ·本章小结 | 第128-129页 |
| ·定理5.1的证明 | 第129-133页 |
| 第6章 结论与展望 | 第133-137页 |
| ·本文的主要工作和创新点 | 第133-134页 |
| ·进一步的工作展望 | 第134-137页 |
| 参考文献 | 第137-151页 |
| 攻读博士学位期间主要的研究成果 | 第151-155页 |
| 致谢 | 第155页 |
