基于稀疏表示的高光谱图像解混算法研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 高光谱遥感的实际应用 | 第13-15页 |
| 1.2.1 农业领域应用 | 第13-14页 |
| 1.2.2 地质应用 | 第14页 |
| 1.2.3 军事领域应用 | 第14-15页 |
| 1.3 高光谱图像解混算法的研究现状 | 第15-17页 |
| 1.4 本文研究内容及结构安排 | 第17-19页 |
| 第2章 高光谱图像解混算法的基础理论 | 第19-29页 |
| 2.1 高光谱图像数据表达 | 第19-20页 |
| 2.1.1 图像立方体 | 第19页 |
| 2.1.2 光谱曲线 | 第19-20页 |
| 2.1.3 光谱曲面 | 第20页 |
| 2.2 高光谱混合像元光谱混合模型 | 第20-22页 |
| 2.2.1 线性光谱混合模型代数学描述 | 第21页 |
| 2.2.2 线性光谱混合模型几何学描述 | 第21-22页 |
| 2.3 端元提取算法 | 第22-25页 |
| 2.3.1 纯像元指数法 | 第22-23页 |
| 2.3.2 N-FINDR算法 | 第23-24页 |
| 2.3.3 迭代误差分析 | 第24-25页 |
| 2.4 丰度反演算法 | 第25-28页 |
| 2.4.1 丰度约束最小二乘算法 | 第25-26页 |
| 2.4.2 互信息加权全约束最小二乘算法 | 第26-27页 |
| 2.4.3 实验结果与分析 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于稀疏表示的高光谱解混算法 | 第29-41页 |
| 3.1 基于稀疏表示的线性光谱混合模型 | 第29-30页 |
| 3.2 匹配追踪类算法 | 第30-34页 |
| 3.2.1 MP算法 | 第31页 |
| 3.2.2 OMP算法 | 第31-32页 |
| 3.2.3 StOMP算法 | 第32-33页 |
| 3.2.4 SP算法 | 第33-34页 |
| 3.3 基于匹配追踪类算法的高光谱解混方法 | 第34-35页 |
| 3.4 实验结果与分析 | 第35-39页 |
| 3.4.1 高光谱稀疏解混评价指标 | 第35-36页 |
| 3.4.2 模拟数据仿真实验及分析 | 第36-38页 |
| 3.4.3 真实数据仿真实验及分析 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 改进的OMP高光谱稀疏解混算法 | 第41-53页 |
| 4.1 Dice系数度量相关性 | 第41-42页 |
| 4.2 非负约束与全约束 | 第42页 |
| 4.3 改进的OMP稀疏解混算法 | 第42-44页 |
| 4.3.1 非负约束DOMP稀疏解混算法 | 第42-43页 |
| 4.3.2 全约束DOMP稀疏解混算法 | 第43-44页 |
| 4.4 实验结果与分析 | 第44-51页 |
| 4.4.1 模拟数据仿真实验及分析 | 第45-49页 |
| 4.4.2 真实数据仿真实验及分析 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 自适应稀疏度的OMP高光谱稀疏解混算法 | 第53-59页 |
| 5.1 自适应稀疏度的OMP算法 | 第53页 |
| 5.2 自适应稀疏度的全约束OMP算法 | 第53-55页 |
| 5.3 实验结果与分析 | 第55-58页 |
| 5.3.1 模拟数据仿真实验及分析 | 第55-57页 |
| 5.3.2 真实数据仿真实验及分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的文章和取得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |
