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

基于高光谱数据的多源遥感图像协同分类研究

摘要第4-6页
ABSTRACT第6-8页
第1章 绪论第15-32页
    1.1 课题背景及研究的目的和意义第15-19页
    1.2 国内外研究现状第19-30页
        1.2.1 基于像素层融合的多源图像协同处理研究现状第19-23页
        1.2.2 红外高光谱和可见光图像协同处理研究现状第23-26页
        1.2.3 多源图像协同分类研究现状第26-28页
        1.2.4 集成学习研究现状第28-29页
        1.2.5 研究现状简析第29-30页
    1.3 本文的主要研究内容及结构安排第30-32页
第2章 基于像素层融合的高光谱图像分辨率提升与分类第32-64页
    2.1 引言第32页
    2.2 基于多层带间结构模型的多光谱图像分辨率提升方法第32-38页
        2.2.1 非子采样轮廓小波变换第33-34页
        2.2.2 基于多层带间结构模型的图像融合方法第34-38页
    2.3 基于光谱调制的高光谱图像分辨率提升方法第38-43页
        2.3.1 对偶非负矩阵分解方法第38-40页
        2.3.2 基于光谱调制的图像融合方法第40-43页
    2.4 空间分辨率提升后的高光谱图像分类第43-44页
    2.5 实验结果及分析第44-63页
        2.5.1 实验数据第44-47页
        2.5.2 多光谱图像分辨率提升实验结果第47-55页
        2.5.3 高光谱图像分辨率提升实验结果第55-61页
        2.5.4 分辨率提升后的高光谱图像分类实验结果第61-63页
    2.6 本章小结第63-64页
第3章 基于集成学习的高光谱与全色图像协同分类第64-93页
    3.1 引言第64页
    3.2 维数灾难问题第64-66页
    3.3 高光谱和全色图像特征提取第66-70页
        3.3.1 光谱特征提取第66-67页
        3.3.2 基于多尺度分割的面向对象特征提取第67-70页
    3.4 基于半监督旋转森林方法的协同分类第70-78页
        3.4.1 旋转森林第71页
        3.4.2 半监督特征提取第71-76页
        3.4.3 半监督旋转森林第76-78页
    3.5 实验结果及分析第78-91页
        3.5.1 实验数据第78-80页
        3.5.2 半监督旋转森林分类算法结果第80-82页
        3.5.3 高光谱和全色图像协同分类结果第82-89页
        3.5.4 半监督旋转森林参数分析第89-91页
    3.6 本章小结第91-93页
第4章 基于半监督自学习的高光谱与全色图像小样本协同分类第93-117页
    4.1 引言第93页
    4.2 小样本问题下的主动学习和半监督学习方法第93-97页
        4.2.1 主动学习方法第94-95页
        4.2.2 半监督学习方法第95-96页
        4.2.3 主动学习和半监督学习的分析第96-97页
    4.3 基于半监督自学习的高光谱和全色图像协同分类方法第97-103页
        4.3.1 基于半监督自学习的协同分类方法第97-100页
        4.3.2 样本多样性优化第100-103页
    4.4 实验结果及分析第103-115页
        4.4.1 基于自学习的协同分类算法结果第104-112页
        4.4.2 图像分割尺度影响第112-113页
        4.4.3 空谱联合特征分类方法对比第113-115页
    4.5 本章小结第115-117页
第5章 基于分层处理的红外高光谱与可见多光谱图像协同分类第117-140页
    5.1 引言第117页
    5.2 红外高光谱与可见多光谱图像特征提取第117-121页
    5.3 红外高光谱和可见多光谱图像分层分类方法第121-127页
        5.3.1 稀疏表示分类方法第121-125页
        5.3.2 结合上下文信息的决策融合方法第125-127页
    5.4 实验结果及分析第127-139页
        5.4.1 红外高光谱图像特征提取与分类结果第129-133页
        5.4.2 可见多光谱图像特征提取与分类结果第133-134页
        5.4.3 图像协同分类结果第134-139页
    5.5 本章小结第139-140页
结论第140-142页
参考文献第142-158页
攻读博士学位期间发表的论文及其它成果第158-161页
致谢第161-162页
个人简历第162页

论文共162页,点击 下载论文
上一篇:面向低真空的四极质谱质量分析机理研究
下一篇:面向目标立体构建的纹理分割与结构基元匹配方法研究