| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 高光谱遥感技术的发展 | 第11-13页 |
| 1.2.2 国内外研究现状 | 第13-16页 |
| 1.3 本论文的主要内容和组织结构 | 第16-18页 |
| 第2章 实验数据及辐射校正方法介绍 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 实验数据分析 | 第18-27页 |
| 2.2.1 数据源 | 第18-20页 |
| 2.2.2 数据预处理 | 第20-23页 |
| 2.2.3 基于参考白板求相对反射率 | 第23-25页 |
| 2.2.4 基于相对反射率进行分类 | 第25-27页 |
| 2.3 大气校正方法介绍 | 第27-31页 |
| 2.3.1 基于物理辐射传输模型大气校正法 | 第27-30页 |
| 2.3.2 基于统计学模型的大气校正法 | 第30-31页 |
| 2.4 总结 | 第31-32页 |
| 第3章 基于物理辐射传输模型的辐射校正 | 第32-63页 |
| 3.1 引言 | 第32-33页 |
| 3.2 6S模型输入参数介绍 | 第33-39页 |
| 3.3 基于 6S模型的实测数据校正 | 第39-48页 |
| 3.3.1 辐亮度转换原理 | 第39-40页 |
| 3.3.2 基于 6S模型的辐射校正 | 第40-45页 |
| 3.3.3 6S校正后的分类识别 | 第45-48页 |
| 3.4 参数迭代优化后的 6S校正分析 | 第48-56页 |
| 3.4.1 查找表的建立 | 第49-51页 |
| 3.4.2 基于查找表进行参数迭代优化的 6S校正 | 第51-52页 |
| 3.4.3 参数迭代优化后校正的分类分析 | 第52-56页 |
| 3.5 引入粒子群算法对参数优化后的 6S校正分析 | 第56-61页 |
| 3.6 总结 | 第61-63页 |
| 第4章 基于统计学模型的反射率反演 | 第63-80页 |
| 4.1 引言 | 第63页 |
| 4.2 一元回归模型 | 第63-67页 |
| 4.2.1 一元线性回归模型 | 第63-65页 |
| 4.2.2 一元非线性回归模型 | 第65-66页 |
| 4.2.3 基于统计回归模型的技术路线分析 | 第66-67页 |
| 4.3 经验线性法对高光谱图像进行辐射校正 | 第67-70页 |
| 4.3.1 基于经验线性法对高光谱图像进行校正 | 第67-69页 |
| 4.3.2 基于经验线性法对高光谱图像校正后的效果分析 | 第69-70页 |
| 4.4 一元非线性回归模型对高光谱图像进行校正 | 第70-79页 |
| 4.4.1 基于非线性回归的校正原理 | 第70-71页 |
| 4.4.2 基于非线性回归法的校正分析 | 第71-74页 |
| 4.4.3 不同非线性回归模型的拟合精度比较 | 第74-79页 |
| 4.5 总结 | 第79-80页 |
| 第5章 总结与展望 | 第80-83页 |
| 5.1 总结 | 第80-81页 |
| 5.2 展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 附录I | 第89-90页 |
| 附录II | 第90页 |
