基于低秩表示的高光谱图像解混算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究的背景与意义 | 第14-16页 |
| 1.2 研究现状与发展动态 | 第16-19页 |
| 1.2.1 光谱成像技术的发展 | 第16页 |
| 1.2.2 高光谱图像解混技术的发展 | 第16-19页 |
| 1.3 低秩表示及其应用 | 第19-20页 |
| 1.3.1 低秩表示 | 第19-20页 |
| 1.3.2 低秩表示的应用 | 第20页 |
| 1.4 论文的主要工作和内容安排 | 第20-22页 |
| 第二章 高光谱图像混合像元分解算法简介 | 第22-30页 |
| 2.1 混合像元分解模型 | 第22-24页 |
| 2.1.1 线性光谱混合模型 | 第22-23页 |
| 2.1.2 非线性光谱混合模型 | 第23-24页 |
| 2.2 端元提取算法 | 第24-26页 |
| 2.2.1 端元识别算法 | 第24-25页 |
| 2.2.2 端元生成算法 | 第25-26页 |
| 2.3 丰度估计算法 | 第26-28页 |
| 2.3.1 最小二乘法 | 第26页 |
| 2.3.2 基于稀疏回归的解混算法 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于结构先验低秩表示的丰度估计算法 | 第30-44页 |
| 3.1 低秩表示在丰度估计中的应用及存在问题 | 第30-32页 |
| 3.1.1 协同稀疏解混算法 | 第30页 |
| 3.1.2 将低秩表示引入解混问题 | 第30-32页 |
| 3.2 基于结构先验低秩表示的丰度估计算法 | 第32-35页 |
| 3.3 实验结果与分析 | 第35-43页 |
| 3.3.1 模拟数据一实验对比 | 第35-38页 |
| 3.3.2 模拟数据二实验对比 | 第38-40页 |
| 3.3.3 真实高光谱数据实验对比 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于空间一致性约束低秩表示的丰度估计算法 | 第44-56页 |
| 4.1 系数约束的低秩表示 | 第44-45页 |
| 4.2 基于空间一致性约束低秩表示的丰度估计算法 | 第45-48页 |
| 4.3 实验结果与分析 | 第48-54页 |
| 4.3.1 模拟数据实验对比 | 第48-51页 |
| 4.3.2 真实高光谱数据实验对比 | 第51-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 基于端元约束低秩表示的丰度估计算法 | 第56-64页 |
| 5.1 字典约束的低秩表示 | 第56-57页 |
| 5.2 基于端元约束低秩表示的丰度估计算法 | 第57-59页 |
| 5.3 实验结果与分析 | 第59-63页 |
| 5.3.1 模拟数据实验对比 | 第59-61页 |
| 5.3.2 真实高光谱数据实验对比 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 结论和展望 | 第64-66页 |
| 6.1 研究结论 | 第64-65页 |
| 6.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
