| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 基于图正则低秩特征表示的气溶胶反演算法 | 第16-27页 |
| 2.1 引言 | 第16-17页 |
| 2.2 图正则低秩表示模型 | 第17-19页 |
| 2.3 模型优化算法 | 第19-21页 |
| 2.4 实验数据 | 第21-22页 |
| 2.5 实验结果 | 第22-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于岭回归的气溶胶反演算法 | 第27-39页 |
| 3.1 基于图正则非线性岭回归的反演算法 | 第27-33页 |
| 3.1.1 引言 | 第27-28页 |
| 3.1.2 图正则非线性岭回归模型 | 第28-30页 |
| 3.1.3 实验结果 | 第30-33页 |
| 3.2 基于岭回归的MODIS反演偏差纠正算法 | 第33-38页 |
| 3.2.1 基于岭回归的偏差纠正算法 | 第33-35页 |
| 3.2.2 实验结果 | 第35-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于矩阵判别分析模型的高光谱图像分类 | 第39-66页 |
| 4.1 基于矩阵判别子空间集成模型的高光谱图像分类 | 第39-53页 |
| 4.1.1 引言 | 第39-41页 |
| 4.1.2 矩阵判别子空间集成模型 | 第41-44页 |
| 4.1.3 实验数据与方法 | 第44-46页 |
| 4.1.4 实验结果 | 第46-53页 |
| 4.2 基于鲁棒矩阵判别分析模型的高光谱图像分类 | 第53-64页 |
| 4.2.1 鲁棒矩阵判别分析模型 | 第54-56页 |
| 4.2.2 实验结果 | 第56-64页 |
| 4.3 本章小结 | 第64-66页 |
| 第五章 基于深度特征学习的高分辨率遥感场景分类 | 第66-92页 |
| 5.1 基于SPP-net的多尺度深度特征学习模型 | 第66-82页 |
| 5.1.1 引言 | 第66-69页 |
| 5.1.2 多尺度深度特征学习模型 | 第69-73页 |
| 5.1.3 实验数据 | 第73-74页 |
| 5.1.4 实验结果 | 第74-82页 |
| 5.2 多尺度自适应深度金字塔匹配模型 | 第82-90页 |
| 5.2.1 引言 | 第82-84页 |
| 5.2.2 自适应深度金字塔匹配 | 第84-85页 |
| 5.2.3 实验结果 | 第85-90页 |
| 5.3 本章小结 | 第90-92页 |
| 第六章 结论与展望 | 第92-94页 |
| 6.1 本论文的主要创新点 | 第92-93页 |
| 6.2 未来工作展望 | 第93-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-112页 |
| 作者简介 | 第112-114页 |