基于多分辨率多核学习的高光谱图像分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 课题的背景及来源 | 第9-13页 |
| 1.2 课题研究的目的与意义 | 第13-15页 |
| 1.3 国内外研究现状分析 | 第15-21页 |
| 1.3.1 高光谱图像分类研究现状 | 第15-16页 |
| 1.3.2 多核学习方法研究现状 | 第16-18页 |
| 1.3.3 高光谱图像特征提取研究现状 | 第18-19页 |
| 1.3.4 典型高光谱数据介绍 | 第19-21页 |
| 1.4 本文的主要内容和组织结构 | 第21-22页 |
| 第2章 高光谱图像分类与多核学习算法 | 第22-39页 |
| 2.1 引言 | 第22页 |
| 2.2 高光谱图像的成像原理与数据特点 | 第22-26页 |
| 2.3 多核学习方法 | 第26-38页 |
| 2.3.1 多核学习算法的基本原理 | 第26-28页 |
| 2.3.2 多核方法在高光谱分类中的优势分析 | 第28-29页 |
| 2.3.3 核函数相似性度量 | 第29-32页 |
| 2.3.4 多核构造方法 | 第32-34页 |
| 2.3.5 典型的多核学习算法 | 第34-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 高光谱图像空间和光谱特征提取 | 第39-65页 |
| 3.1 引言 | 第39页 |
| 3.2 代表性高光谱图像空谱特征提取方法 | 第39-46页 |
| 3.2.1 光谱特征 | 第39-41页 |
| 3.2.2 基于邻域均值的空间特征 | 第41-42页 |
| 3.2.3 形态学特征 | 第42-44页 |
| 3.2.4 3D-GLCM 特征 | 第44-46页 |
| 3.3 高光谱图像三维多分辨率特征提取 | 第46-52页 |
| 3.3.1 多分辨率分析基础理论 | 第46-48页 |
| 3.3.2 3D-Gabor 多分辨率特征提取 | 第48-52页 |
| 3.4 基于分类实验的特征有效性验证 | 第52-64页 |
| 3.5 本章小结 | 第64-65页 |
| 第4章 高光谱图像的多分辨率多核学习分类 | 第65-76页 |
| 4.1 引言 | 第65页 |
| 4.2 多核学习算法的多分辨率扩展 | 第65-70页 |
| 4.2.1 特征空间中的多分辨率分析 | 第65-67页 |
| 4.2.2 多分辨率多核学习模型 | 第67-69页 |
| 4.2.3 多分辨率多核学习问题的优化求解 | 第69-70页 |
| 4.3 实验与结果分析 | 第70-75页 |
| 4.3.1 实验设置 | 第70-71页 |
| 4.3.2 实验结果与分析 | 第71-75页 |
| 4.4 本章小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第83-85页 |
| 致谢 | 第85页 |
