首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

空间与丰度约束的非负矩阵分解算法研究

摘要第5-6页
ABSTRACT第6页
第1章 绪论第9-16页
    1.1 课题研究背景及意义第9-12页
    1.2 国内外研究现状第12-14页
    1.3 论文主要研究内容及总体框架第14-16页
        1.3.1 论文主要内容第14页
        1.3.2 论文的总体框架第14-16页
第2章 高光谱混合像元分解与非负矩阵分解算法第16-27页
    2.1 线性光谱解混第16-18页
        2.1.1 线性混合模型代数学描述第16-17页
        2.1.2 线性混合模型几何学描述第17-18页
    2.2 非负矩阵分解理论第18-21页
        2.2.1 NMF目标函数第18-19页
        2.2.2 NMF迭代规则第19-21页
    2.3 基于NMF算法的相关改进算法第21-26页
        2.3.1 MVC-NMF第21-23页
        2.3.2 约束的非负矩阵分解(CNMF)第23-24页
        2.3.3 非平滑约束的非负矩阵分解(nsNMF)第24-26页
    2.4 小结第26-27页
第3章 SACNMF算法的提出及模拟实验第27-53页
    3.1 平滑性约束非负矩阵分解算法第27-29页
    3.2 改进的平滑性约束非负矩阵分解算法第29-31页
    3.3 最小化估计丰度协方差的迹第31-33页
    3.4 SACNMF算法的描述第33-36页
        3.4.1 构造SACNMF算法的目标函数第33页
        3.4.2 满足丰度和为1约束(ASC)第33页
        3.4.3 SACNMF算法的迭代规则第33-35页
        3.4.4 算法具体步骤第35-36页
    3.5 模拟实验及结果分析第36-52页
        3.5.1 模拟图像数据来源第36-40页
        3.5.2 参数的选择第40-42页
        3.5.3 端元个数的改变对解混结果的影响第42-43页
        3.5.4 不同噪声水平下的算法性能第43-45页
        3.5.5 平均运行时间比较第45-46页
        3.5.6 算法解混性能分析第46-52页
    3.6 本章小结第52-53页
第4章 SACNMF算法在真实高光谱图像上的实验第53-60页
    4.1 真实高光谱图像数据来源第53页
    4.2 真实图像实验结果与分析第53-59页
    4.3 本章小结第59-60页
第5章 总结与展望第60-62页
    5.1 总结第60页
    5.2 展望第60-62页
参考文献第62-66页
致谢第66-67页
研究生履历第67页

论文共67页,点击 下载论文
上一篇:ETC系统视频监控图像中的车型识别技术研究
下一篇:基于分步聚类和相似度优化的协同过滤算法