| 摘要 | 第1-15页 |
| Abstract | 第15-17页 |
| 第一章 绪论 | 第17-27页 |
| ·课题背景及研究意义 | 第17-21页 |
| ·国内外研究现状 | 第21-24页 |
| ·高光谱分类存在的问题 | 第24页 |
| ·论文主要工作 | 第24-25页 |
| ·论文内容安排 | 第25-27页 |
| 第二章 高光谱图像分类概论 | 第27-41页 |
| ·引言 | 第27页 |
| ·高光谱图像特性 | 第27-30页 |
| ·高光谱图像数据表示形式 | 第27-29页 |
| ·高光谱图像统计特性 | 第29-30页 |
| ·高光谱图像分类方法回顾 | 第30-35页 |
| ·基于光谱度量的分类 | 第30页 |
| ·基于统计方法的分类 | 第30-34页 |
| ·从谱域到谱域-空域的分类 | 第34-35页 |
| ·高光谱图像分类精度评价 | 第35-36页 |
| ·混淆矩阵和总分类精度 | 第35页 |
| ·使用者和生产者精度 | 第35页 |
| ·Kappa系数 | 第35-36页 |
| ·McNemar测试 | 第36页 |
| ·高光谱分类研究的基准图像 | 第36-40页 |
| ·AVIRIS高光谱数据92AV3C | 第36-38页 |
| ·HYDICE高光谱数据Washington DC Mall | 第38-40页 |
| ·本章小结与讨论 | 第40-41页 |
| 第三章 多分辨率光谱角匹配分类 | 第41-58页 |
| ·引言 | 第41页 |
| ·光谱角匹配方法及其改进算法 | 第41-43页 |
| ·SAM方法及其性质 | 第41-42页 |
| ·Average Distance Method方法 | 第42-43页 |
| ·SID和SAM混合方法 | 第43页 |
| ·多分辨率光谱角匹配方法 | 第43-47页 |
| ·类对分类框架 | 第44-45页 |
| ·类别可分性准则 | 第45页 |
| ·递归分解算法 | 第45-46页 |
| ·特征选择与分类 | 第46-47页 |
| ·实验结果与分析 | 第47-57页 |
| ·实验设置 | 第47页 |
| ·AVIRIS数据结果 | 第47-51页 |
| ·Washington DC Mall数据结果 | 第51-57页 |
| ·本章小结与讨论 | 第57-58页 |
| 第四章 组合多特征表述与融合分类 | 第58-96页 |
| ·引言 | 第58页 |
| ·光谱幅度与形状特征 | 第58-60页 |
| ·光谱角匹配融合方法 | 第60-68页 |
| ·方法 | 第60-61页 |
| ·AVIRlS数据结果 | 第61-64页 |
| ·Washington DC Mall数据结果 | 第64-68页 |
| ·最大似然融合方法 | 第68-73页 |
| ·方法 | 第68-69页 |
| ·AVIRIS数据结果 | 第69-71页 |
| ·Washington DC Mall数据结果 | 第71-73页 |
| ·堆栈支持向量机融合方法 | 第73-94页 |
| ·堆栈泛化简介 | 第73-74页 |
| ·堆栈支持向量机融合方法 | 第74-76页 |
| ·元层特征选择 | 第76-78页 |
| ·AVIRIS数据结果 | 第78-86页 |
| ·Washington DC Mall数据结果 | 第86-94页 |
| ·本章小结与讨论 | 第94-96页 |
| 第五章 光谱小波变换的融合分类 | 第96-113页 |
| ·引言 | 第96页 |
| ·离散小波变换 | 第96-98页 |
| ·光谱小波特征提取 | 第98-99页 |
| ·基于概率的融合分类 | 第99-100页 |
| ·基于堆栈支持向量机的融合分类 | 第100-102页 |
| ·实验结果与分析 | 第102-111页 |
| ·实验设置 | 第102-103页 |
| ·AVIRIS数据结果 | 第103-107页 |
| ·Washington DC Mall数据结果 | 第107-111页 |
| ·本章小结与讨论 | 第111-113页 |
| 第六章 基于决策树的快速多类分类策略 | 第113-135页 |
| ·引言 | 第113-114页 |
| ·常用多类策略 | 第114-118页 |
| ·多类策略介绍 | 第114-116页 |
| ·多类策略分析 | 第116-118页 |
| ·类对决策树策略 | 第118-120页 |
| ·类对决策树 | 第118-119页 |
| ·类对决策树支持向量机 | 第119-120页 |
| ·类对可分性分析 | 第120页 |
| ·自适应二叉树策略 | 第120-124页 |
| ·自适应二叉树构建 | 第120-122页 |
| ·分类界面分析 | 第122-123页 |
| ·平均支持向量的数量 | 第123-124页 |
| ·实验结果与分析 | 第124-133页 |
| ·实验设置 | 第124-125页 |
| ·AVIRIS数据结果 | 第125-129页 |
| ·Washington DC Mall数据结果 | 第129-133页 |
| ·本章小结与讨论 | 第133-135页 |
| 第七章 结束语 | 第135-138页 |
| ·本文主要贡献及结论 | 第135-136页 |
| ·进一步研究方向 | 第136-138页 |
| 致谢 | 第138-139页 |
| 参考文献 | 第139-152页 |
| 攻读博士期间取得的学术成果 | 第152-153页 |
| 攻读博士期间参加的科研项目 | 第153页 |