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

基于最优子集准则的高光谱图像波段选择算法研究

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

论文共64页,点击 下载论文
上一篇:城市低收入家庭儿童自信心提升的小组工作报告
下一篇:荣复老兵自娱能力提升的小组社会工作介入