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

基于稀疏性与低秩性的高光谱图像异常检测

摘要第4-5页
Abstract第5-6页
第1章 引言第11-21页
    1.1 课题背景及研究意义第11-13页
    1.2 国内外研究现状第13-19页
    1.3 本文章节安排第19-21页
第2章 高光谱图像数据与异常检测理论知识第21-33页
    2.1 高光谱图像数据特性第21-23页
    2.2 高光谱图像异常检测数据集第23-27页
        2.2.1 仿真数据第23-25页
        2.2.2 真实数据第25-27页
    2.3 异常检测理论知识第27-31页
        2.3.1 稀疏性与低秩性第27-28页
        2.3.2 拉普拉斯矩阵第28-30页
        2.3.3 常用评价指标第30-31页
    2.4 本章小结第31-33页
第3章 拉普拉斯约束低秩表示的高光谱图像异常检测第33-47页
    3.1 基于拉普拉斯约束和低秩表示的检测模型第33-39页
        3.1.1 拉普拉斯项约束第33-34页
        3.1.2 隐藏低秩表示模型第34-36页
        3.1.3 稀疏项约束第36页
        3.1.4 模型求解第36-39页
    3.2 实验及结果分析第39-45页
        3.2.1 检测结果比较分析第39-41页
        3.2.2 评价指标对比第41-45页
    3.3 本章小结第45-47页
第4章 基于快速软阈值迭代的高光谱图像异常检测第47-57页
    4.1 基于距离约束与稀疏表示的检测模型第47-51页
        4.1.1 稀疏表示模型第47-48页
        4.1.2 距离项约束第48页
        4.1.3 字典学习过程第48-49页
        4.1.4 模型求解第49-51页
    4.2 实验及结果分析第51-56页
        4.2.1 检测结果比较分析第51-52页
        4.2.2 评价指标对比第52-56页
    4.3 本章小结第56-57页
第5章 总结与展望第57-59页
    5.1 本文工作和总结第57-58页
    5.2 未来研究和展望第58-59页
参考文献第59-63页
附录第63-65页
致谢第65-67页
作者简历及攻读学位期间发表的学术论文与研究成果第67页

论文共67页,点击 下载论文
上一篇:基于深度神经网络的运动多目标检测跟踪技术研究与应用
下一篇:基于机器学习的红外焦平面探测器信号处理模块设计