| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外的研究现状及分析 | 第11-18页 |
| 1.2.1 高光谱图像异常检测经典方法 | 第12-14页 |
| 1.2.2 稀疏表示理论及其研究现状 | 第14-15页 |
| 1.2.3 稀疏表示在高光谱领域的应用 | 第15-17页 |
| 1.2.4 国内外文献综述的简析 | 第17-18页 |
| 1.3 论文主要研究内容和结构安排 | 第18-20页 |
| 第2章 稀疏表示理论及高光谱图像稀疏特性分析 | 第20-36页 |
| 2.1 信号的稀疏表示理论 | 第20-27页 |
| 2.1.1 信号稀疏表示的数学模型 | 第21-23页 |
| 2.1.2 经典稀疏求解方法 | 第23-27页 |
| 2.2 高光谱图像的稀疏表示模型 | 第27-34页 |
| 2.2.1 高光谱图像特征分析 | 第27-28页 |
| 2.2.2 高光谱图像稀疏表示 | 第28-30页 |
| 2.2.3 低秩与稀疏分解模型 | 第30-31页 |
| 2.2.4 异常稀疏特性分析 | 第31-34页 |
| 2.3 实验数据与性能评估方法 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于稀疏表示的高光谱图像异常检测 | 第36-54页 |
| 3.1 基于局部稀疏差异指数的高光谱异常检测算法 | 第36-41页 |
| 3.1.1 局部稀疏差异指数算法原理 | 第36-38页 |
| 3.1.2 基于局部稀疏差异指数的异常检测 | 第38-41页 |
| 3.2 基于稀疏得分估计的高光谱异常检测算法 | 第41-46页 |
| 3.2.1 稀疏得分估计算法原理 | 第41-42页 |
| 3.2.2 基于稀疏得分估计的异常检测 | 第42-44页 |
| 3.2.3 局部稀疏差异指数与稀疏得分估计算法对比 | 第44-46页 |
| 3.3 基于低秩与稀疏矩阵分解的高光谱异常检测算法 | 第46-53页 |
| 3.3.1 低秩与稀疏矩阵分解模型求解算法 | 第46-48页 |
| 3.3.2 高光谱低秩与稀疏矩阵分解初步结果 | 第48-50页 |
| 3.3.3 基于低秩与稀疏矩阵分解的异常检测 | 第50-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 高光谱图像异常检测优化算法研究 | 第54-69页 |
| 4.1 基于压缩采样匹配追踪的局部稀疏差异指数算法优化 | 第54-59页 |
| 4.1.1 压缩采样匹配追踪算法原理 | 第54-57页 |
| 4.1.2 快速局部稀疏差异指数算法检测结果及性能比较分析 | 第57-59页 |
| 4.2 基于非负约束的稀疏得分估计算法优化 | 第59-64页 |
| 4.2.1 非负稀疏表示求解方法 | 第59-61页 |
| 4.2.2 非负稀疏得分估计算法检测结果及性能分析 | 第61-64页 |
| 4.3 基于核方法的高光谱图像异常检测算法优化 | 第64-68页 |
| 4.3.1 核方法原理 | 第64-65页 |
| 4.3.2 正交匹配追踪算法核化 | 第65-66页 |
| 4.3.3 核化异常检测算法性能比较 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第77-79页 |
| 致谢 | 第79页 |
