摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第15-28页 |
1.1 课题来源 | 第15页 |
1.2 课题背景及意义 | 第15-17页 |
1.3 相关领域的国内外研究概况 | 第17-25页 |
1.3.1 高光谱成像技术发展现状 | 第17-19页 |
1.3.2 高光谱特征提取与分类方法研究现状 | 第19-23页 |
1.3.3 经验模态分解算法研究现状 | 第23-25页 |
1.4 本文主要研究内容及结构安排 | 第25-28页 |
第2章 一维EMD端点效应抑制方法研究 | 第28-44页 |
2.1 引言 | 第28-30页 |
2.2 单变量灰色模型及其改进形式 | 第30-36页 |
2.3 基于单变量灰色模型的一维EMD算法 | 第36页 |
2.4 仿真算例 | 第36-43页 |
2.4.1 非线性、非平稳合成信号 | 第37-38页 |
2.4.2 非线性Du?ng方程的近似解信号 | 第38-41页 |
2.4.3 太阳黑子实际信号 | 第41-43页 |
2.5 本章小结 | 第43-44页 |
第3章 一维EMD包络求取方法研究 | 第44-58页 |
3.1 引言 | 第44-45页 |
3.2 交替方向乘子法 | 第45-46页 |
3.2.1 乘子法 | 第45页 |
3.2.2 交替方向乘子法 | 第45-46页 |
3.3 基于交替方向乘子法的一维EMD包络求取算法 | 第46-49页 |
3.3.1 一维EMD包络构建 | 第46-47页 |
3.3.2 一维EMD包络求解 | 第47-49页 |
3.4 仿真算例 | 第49-56页 |
3.4.1 高光谱谱线信号 | 第50页 |
3.4.2 余弦波合成的信号 | 第50-52页 |
3.4.3 锯齿波和正弦波合成的信号 | 第52-54页 |
3.4.4“全球陆-海温度指数”实际信号 | 第54-56页 |
3.5 本章小结 | 第56-58页 |
第4章 二维EMD端点效应抑制方法研究 | 第58-79页 |
4.1 引言 | 第58-59页 |
4.2 多变量灰色模型及其改进形式 | 第59-65页 |
4.2.1 现有多变量灰色模型 | 第59-60页 |
4.2.2 基于复化Simpson公式多变量灰色模型 | 第60-65页 |
4.3 基于多变量灰色模型的二维EMD算法 | 第65-67页 |
4.4 仿真算例 | 第67-77页 |
4.4.1 边界延拓 | 第67-68页 |
4.4.2 定性对比 | 第68-70页 |
4.4.3 定量对比 | 第70-77页 |
4.5 本章小结 | 第77-79页 |
第5章 谱-空间特征相结合的高光谱图像分类方法研究 | 第79-96页 |
5.1 引言 | 第79页 |
5.2 基于核稀疏多任务学习的谱-空间特征分类方法 | 第79-85页 |
5.3 基于支持向量机和超像素图像分割的谱-空间特征分类方法 | 第85-89页 |
5.3.1 基于支持向量机的光谱特征分类方法 | 第86-87页 |
5.3.2 基于超像素图像分割的空间后处理方法 | 第87-89页 |
5.4 仿真算例 | 第89-95页 |
5.4.1 核稀疏多任务学习方法的有效性验证 | 第89-92页 |
5.4.2 支持向量机和超像素图像分割方法的有效性 | 第92-95页 |
5.5 本章小结 | 第95-96页 |
第6章 改进的EMD在高光谱图像分类中的应用 | 第96-128页 |
6.1 引言 | 第96页 |
6.2 高光谱数据描述 | 第96-100页 |
6.2.1 印第安农场数据集 | 第96-98页 |
6.2.2 华盛顿广场数据集 | 第98-100页 |
6.2.3 帕维亚大学数据集 | 第100页 |
6.3 基于改进的一维EMD高光谱图像分类实验结果 | 第100-110页 |
6.4 基于改进的二维EMD高光谱图像分类实验结果 | 第110-116页 |
6.5 基于谱-空间特征的高光谱图像分类实验结果 | 第116-127页 |
6.5.1 基于核稀疏多任务学习的谱-空间特征分类方法实验结果 | 第116-122页 |
6.5.2 基于支持向量机和超像素图像分割的谱-空 间特征分类方法实验结果 | 第122-127页 |
6.6 本章小结 | 第127-128页 |
结论 | 第128-131页 |
参考文献 | 第131-144页 |
攻读博士学位期间发表的论文及其他成果 | 第144-148页 |
致谢 | 第148-150页 |
个人简历 | 第150页 |