| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8页 |
| 1.2 成像光谱技术 | 第8-11页 |
| 1.3 高光谱图像分类技术 | 第11-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 2 高光谱图像分类技术 | 第15-29页 |
| 2.1 高光谱图像分类原理 | 第15-16页 |
| 2.2 监督分类方法 | 第16-20页 |
| 2.2.1 最小距离分类法 | 第16-18页 |
| 2.2.2 最大似然分类法 | 第18-19页 |
| 2.2.3 平行多面体分类法 | 第19-20页 |
| 2.3 非监督分类方法 | 第20-28页 |
| 2.3.1 K均值聚类分类法 | 第21-23页 |
| 2.3.2 ISODATA分类法 | 第23-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于归一化光谱向量的高光谱图像实时性非监督分类 | 第29-51页 |
| 3.1 空间相关性理论 | 第29页 |
| 3.1.1 空间相关性概念 | 第29页 |
| 3.1.2 算法背景 | 第29页 |
| 3.2 基于空间一致性的非监督分类 | 第29-32页 |
| 3.2.1 光谱相似度计算 | 第30页 |
| 3.2.2 阈值选择规则 | 第30-31页 |
| 3.2.3 判别同质区准则 | 第31-32页 |
| 3.2.4 传统聚类方法的缺陷 | 第32页 |
| 3.3 基于归一化光谱向量的实时性非监督分类 | 第32-40页 |
| 3.3.1 数据量影响及解决方案 | 第32-34页 |
| 3.3.2 归一化光谱向量 | 第34-35页 |
| 3.3.3 实现步骤及实验设计 | 第35-40页 |
| 3.4 基于GPU并行计算的分类实验 | 第40-49页 |
| 3.4.1 结果展示 | 第40-47页 |
| 3.4.2 分类精度结论与原因讨论 | 第47-48页 |
| 3.4.3 分类速度结论与原因讨论 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 4 基于光谱曲线差异性的多光谱图像离散未知小目标检测 | 第51-65页 |
| 4.1 多光谱图像中的离散未知小目标检测 | 第51-52页 |
| 4.1.1 概念及特点 | 第51页 |
| 4.1.2 检测手段及难点分析 | 第51-52页 |
| 4.2 基于图像维的异常检测 | 第52-55页 |
| 4.2.1 广义似然比检测 | 第52-53页 |
| 4.2.2 RX异常检测算法 | 第53-55页 |
| 4.3 基于光谱维的谱线差异检测 | 第55-59页 |
| 4.3.1 目标和背景的谱线差异性和空间相关性 | 第55-56页 |
| 4.3.2 离散小目标的谱线特征及检测方法 | 第56-57页 |
| 4.3.3 实现步骤及实验设计 | 第57-59页 |
| 4.4 基于GPU并行计算的分类实验 | 第59-64页 |
| 4.4.1 结果展示 | 第59-64页 |
| 4.4.2 实验结论与讨论 | 第64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 本文工作不足及今后工作展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 附录 | 第74页 |