| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 1 绪论 | 第6-14页 |
| ·研究背景和研究意义 | 第6-8页 |
| ·研究背景 | 第6页 |
| ·研究目的 | 第6-7页 |
| ·研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·高光谱遥感及分类 | 第8-9页 |
| ·子空间理论 | 第9页 |
| ·支持向量机(SVM) | 第9-10页 |
| ·LIBSVM 工具箱 | 第10页 |
| ·研究技术路线及论文结构 | 第10-14页 |
| ·研究思路 | 第10-12页 |
| ·研究内容 | 第12页 |
| ·拟解决的问题 | 第12页 |
| ·技术路线 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 2 高光谱遥感 | 第14-19页 |
| ·高光谱遥感简介 | 第14-16页 |
| ·高光谱遥感 | 第14页 |
| ·高光谱遥感图像 | 第14-16页 |
| ·高光谱遥感分类 | 第16-19页 |
| ·高光谱遥感分类特点 | 第16-17页 |
| ·高光谱遥感分类算法 | 第17页 |
| ·高光谱遥感分类精度评价 | 第17-19页 |
| 3 基于高光谱遥感图像的 SVM 和子空间原理 | 第19-26页 |
| ·高光谱遥感图像子空间方法原理 | 第19-21页 |
| ·子空间方法原理理论 | 第19-20页 |
| ·高光谱遥感图像的子空间 | 第20-21页 |
| ·基于高光谱遥感图像 SVM 分类原理 | 第21-26页 |
| ·SVM 分类原理 | 第21-24页 |
| ·高光谱遥感图像 SVM 分类 | 第24页 |
| ·LIBSVM 工具箱使用介绍 | 第24-26页 |
| 4 基于 SVM 和子空间结合的高光谱图像分类方法 | 第26-37页 |
| ·实验方案设计 | 第26页 |
| ·数据处理及实验 | 第26-36页 |
| ·研究区域 | 第26-29页 |
| ·数据及预处理 | 第29-30页 |
| ·实验及结果评价 | 第30-36页 |
| ·本章小结 | 第36-37页 |
| 5 总结与展望 | 第37-39页 |
| ·总结 | 第37-38页 |
| ·研究成果总结 | 第37页 |
| ·理论总结 | 第37-38页 |
| ·展望 | 第38-39页 |
| ·应用展望 | 第38页 |
| ·技术展望 | 第38-39页 |
| 致谢 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 附录 | 第44页 |