高光谱影像集成学习分类及后处理技术研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·集成学习分类技术 | 第11-13页 |
| ·后处理技术 | 第13-14页 |
| ·论文研究内容 | 第14-15页 |
| ·论文组织结构 | 第15-17页 |
| 第二章 集成学习分类应用潜力分析 | 第17-24页 |
| ·集成学习分类概述 | 第17-19页 |
| ·集成学习分类的优势 | 第19-21页 |
| ·差异度与精确度对分类精度的影响 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于集成学习的高光谱影像分类技术 | 第24-40页 |
| ·构建弱分类器 | 第24-25页 |
| ·Boosting 分类技术 | 第25-30页 |
| ·Boosting 的发展 | 第25-26页 |
| ·Boosting 的变种 | 第26-27页 |
| ·Real AdaBoost 算法 | 第27-30页 |
| ·Bagging 分类技术 | 第30-32页 |
| ·Bagging 算法流程 | 第30-31页 |
| ·Bagging 理论分析 | 第31-32页 |
| ·选择性集成分类技术 | 第32-36页 |
| ·选择性集成理论基础 | 第32-34页 |
| ·PSO Selective Ensemble | 第34-36页 |
| ·高光谱影像分类实验 | 第36-39页 |
| ·实验数据 | 第36-37页 |
| ·实验结果 | 第37-38页 |
| ·分析与比较 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于数学形态学的分类图噪声处理技术 | 第40-51页 |
| ·分类图噪声特点分析 | 第40页 |
| ·传统噪声处理技术简述 | 第40-43页 |
| ·均匀滤波 | 第40-41页 |
| ·中值滤波 | 第41页 |
| ·维纳滤波 | 第41-42页 |
| ·空间域低通滤波 | 第42-43页 |
| ·多幅图像平均法 | 第43页 |
| ·基于二值形态学的分类图噪声处理技术 | 第43-48页 |
| ·二值形态学 | 第43-44页 |
| ·噪声去除 | 第44-48页 |
| ·分类图去噪实验 | 第48-50页 |
| ·实验结果 | 第48-49页 |
| ·分析与比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 高光谱影像分类图矢量化及专题地图制作技术 | 第51-63页 |
| ·分类图矢量化技术 | 第51-57页 |
| ·边缘提取算法 | 第51-53页 |
| ·基于击中击不中变换的细化算法 | 第53-55页 |
| ·基于二值图像的矢量化算法 | 第55-57页 |
| ·基于分类图的专题地图制作技术 | 第57-60页 |
| ·分类图要素特征分析 | 第57-59页 |
| ·分类重编码技术 | 第59-60页 |
| ·制作专题图 | 第60页 |
| ·相关实验及分析 | 第60-62页 |
| ·边缘提取实验 | 第60-61页 |
| ·矢量化实验 | 第61-62页 |
| ·专题图制作实验 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·进一步研究的方向 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第69-70页 |
| 一、 作者简历 | 第69页 |
| 二、 公开发表的学术论文 | 第69页 |
| 三、 参与的主要科研项目 | 第69-70页 |
| 致谢 | 第70页 |
