摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第10-16页 |
1.1 课题研究背景及意义 | 第10-11页 |
1.2 高光谱图像波段选择的研究现状 | 第11-14页 |
1.3 本文主要研究内容和预期成果 | 第14-15页 |
1.4 论文组织结构 | 第15-16页 |
第2章 相关基础理论 | 第16-25页 |
2.1 粒子群优化算法 | 第16-18页 |
2.1.1 算法原理 | 第16-17页 |
2.1.2 算法参数 | 第17-18页 |
2.2 聚类 | 第18-24页 |
2.2.1 常用的聚类方法 | 第18-21页 |
2.2.2 聚类的相似性判断准则 | 第21-23页 |
2.2.3 聚类类别数的确定 | 第23页 |
2.2.4 聚类有效性判断方法 | 第23-24页 |
2.3 本章小结 | 第24-25页 |
第3章 基于最优子集准则的三类高光谱波段选择算法 | 第25-39页 |
3.1 高光谱图像波段选择的最优子集准则 | 第25-27页 |
3.2 最优子集选择的搜索策略 | 第27-28页 |
3.3 基于最优子集准则直接寻优的波段选择算法 | 第28-30页 |
3.3.1 算法框架 | 第28页 |
3.3.2 基于MNBS准则粒子群直接寻优的波段选择算法 | 第28-30页 |
3.4 基于波段聚类和最优子集寻优的波段选择算法 | 第30-33页 |
3.4.1 算法框架 | 第31页 |
3.4.2 基于聚类结合MNBS准则粒子群寻优的波段选择算法 | 第31-33页 |
3.5 基于关键波段选择和最优子集寻优的波段选择算法 | 第33-37页 |
3.5.1 算法框架 | 第33-34页 |
3.5.2 基于关键波段提取结合MNBS准则粒子群寻优的波段选择算法 | 第34-37页 |
3.6 本章小结 | 第37-39页 |
第4章 基于高光谱异常检测和分类的波段选择算法性能比较 | 第39-53页 |
4.1 基于RX的高光谱图像异常检测 | 第39-40页 |
4.2 高光谱图像分类的两种算法:K近邻和支持向量机 | 第40-42页 |
4.2.1 K近邻 | 第40-41页 |
4.2.2 支持向量机 | 第41-42页 |
4.3 基于高光谱RX异常检测的波段选择算法性能比较和分析 | 第42-48页 |
4.4 基于高光谱分类的波段选择算法性能比较和分析 | 第48-52页 |
4.5 本章小结 | 第52-53页 |
第5章 结论及展望 | 第53-55页 |
5.1 结论 | 第53页 |
5.2 下一步工作 | 第53-55页 |
致谢 | 第55-56页 |
参考文献 | 第56-61页 |
附录 | 第61-62页 |
详细摘要 | 第62-64页 |