高光谱图像解混的并行化算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文内容及安排 | 第12-13页 |
| 第二章 线性混合模型下的解混 | 第13-19页 |
| 2.1 线性混合模型(LMM) | 第13-14页 |
| 2.2 高光谱解混算法 | 第14-17页 |
| 2.2.1 基于几何学的解混 | 第14-16页 |
| 2.2.2 基于统计学的光谱解混算法 | 第16-17页 |
| 2.3 解混性能的评价 | 第17-19页 |
| 第三章 基于精英策略以及概率选择的差分搜索算法 | 第19-35页 |
| 3.1 仿生智能算法的基本介绍 | 第19页 |
| 3.2 差分搜索算法研究现状 | 第19页 |
| 3.3 差分搜索算法的实现 | 第19-21页 |
| 3.4 差分搜索算法的改进 | 第21-23页 |
| 3.4.1 将最优值引入到搜索方程的改进 | 第21页 |
| 3.4.2 提出选择概率P引导搜索方程的改进 | 第21-22页 |
| 3.4.3 改进算法流程 | 第22-23页 |
| 3.5 实验仿真与结果分析 | 第23-33页 |
| 3.5.1 测试函数 | 第23-24页 |
| 3.5.2 实验结果及分析 | 第24-33页 |
| 3.6 结论 | 第33-35页 |
| 第四章 基于GPDSA的高光谱图像解混 | 第35-45页 |
| 4.1 独立成分分析 | 第35-37页 |
| 4.1.1 ICA的预测原理 | 第35-36页 |
| 4.1.2 ICA的算法流程 | 第36-37页 |
| 4.2 约束独立成分分析算法(BICA) | 第37-38页 |
| 4.3 GPDSA-BICA用于解混 | 第38-39页 |
| 4.4 实验结果与分析 | 第39-43页 |
| 4.4.1 仿真实验 | 第39-41页 |
| 4.4.1.1 不同信噪比对算法的影响 | 第40页 |
| 4.4.1.2 无纯像元对算法的响应 | 第40-41页 |
| 4.4.1.3 不同像素个数对算法的影响 | 第41页 |
| 4.4.2 真实实验 | 第41-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 基于CUDA高光谱解混并行化的理论研究 | 第45-53页 |
| 5.1 CUDA架构 | 第45-47页 |
| 5.1.1 编程模型 | 第45-46页 |
| 5.1.2 存储模型 | 第46-47页 |
| 5.2 预处理的并行化运算 | 第47-49页 |
| 5.2.1 主成分分析法 | 第47-48页 |
| 5.2.2 PCA的并行化处理 | 第48-49页 |
| 5.3 DSA的并行化处理 | 第49-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 论文工作总结 | 第53-54页 |
| 6.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的成果 | 第59页 |
