| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 高光谱图像分类研究现状 | 第9-11页 |
| 1.3 本文主要内容和组织结构 | 第11-13页 |
| 第二章 高光谱遥感图像理论概述 | 第13-24页 |
| 2.1 引言 | 第13页 |
| 2.2 高光谱图像数据形成和特点 | 第13-17页 |
| 2.2.1 高光谱图像的数据描述 | 第13-14页 |
| 2.2.2 高光谱图像的数据表达方式 | 第14-16页 |
| 2.2.3 高光谱数据特点 | 第16-17页 |
| 2.3 高光谱图像分类 | 第17-22页 |
| 2.3.1 高光谱图像分类基本原理 | 第17-19页 |
| 2.3.2 高光谱图像分类基本过程 | 第19-22页 |
| 2.4 高光谱图像分类存在的问题 | 第22-23页 |
| 2.4.1 Hughes现象 | 第22页 |
| 2.4.2 光谱混合现象 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 高光谱图像流形降维与分类 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 图像降维预处理 | 第24-29页 |
| 3.2.1 等距映射和局部线性嵌入 | 第24-26页 |
| 3.2.2 IISOMAP-LLE算法 | 第26-27页 |
| 3.2.3 利用IISOMAP-LLE算法降维实验 | 第27-29页 |
| 3.3 常用非监督分类方法 | 第29-33页 |
| 3.3.1 K-Means算法及实验 | 第30-31页 |
| 3.3.2 ISODATA算法及实验 | 第31-33页 |
| 3.4 常用监督分类方法 | 第33-36页 |
| 3.4.1 最小距离分类法及实验 | 第33-35页 |
| 3.4.2 光谱编码法及实验 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于支持向量机的农业杂草图像分类 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 支持向量机分类原理 | 第38-41页 |
| 4.2.1 最优超平面 | 第38-39页 |
| 4.2.2 核函数 | 第39-41页 |
| 4.3 组合核函数的支持向量机 | 第41-43页 |
| 4.4 基于组合核函数的农业高光谱图像分类识别实验 | 第43-56页 |
| 4.4.1 对单个玉米叶片与杂草的分类实验 | 第43-45页 |
| 4.4.2 对不同类别的杂草分类实验 | 第45-50页 |
| 4.4.3 对玉米叶片与不同杂草分类实验 | 第50-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |