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

高光谱影像混合像元分解的若干关键技术研究

摘要第1-7页
Abstract第7-13页
第一章 绪论第13-27页
   ·研究背景与意义第13-16页
   ·混合像元分解的研究现状第16-24页
     ·线性混合光谱分解及其研究进展第17-24页
     ·非线性混合光谱分解及其研究进展第24页
   ·本文研究内容与可能的创新点第24-25页
     ·主要研究内容第24-25页
     ·本文的创新点第25页
   ·本文章节安排第25-27页
第二章 混合光谱机理与光谱分解第27-55页
   ·光谱混合模型的物理基础第27-31页
   ·线性混合分解方法第31-36页
     ·限制性混合像元分解第32-33页
     ·半限制性分解方法第33-35页
     ·全限制性混合像元分解算法第35-36页
   ·线性分解方法的扩展第36-42页
     ·加权最小二乘混合像元分解第36-37页
     ·基于NCM随机模型的混合光谱分解MCMC估计第37-42页
   ·基于多项式拟合的非线性混合光谱模型第42-43页
   ·实验与误差分析第43-54页
     ·分解误差与约束条件的关系第43-46页
     ·分解误差与端元的关系第46-51页
     ·非线性混合分解的误差第51-54页
 本章小结第54-55页
第三章 基于凸几何学的端元光谱自动提取第55-96页
   ·端元数的估计第55-61页
     ·VD估计的基本原理第55-58页
     ·VD估计的模拟分析第58-61页
   ·端元的凸几何分析第61-66页
     ·线性混合模型第61-62页
     ·凸几何学的定义第62-64页
     ·高光谱影像的凸几何特征第64-66页
   ·端元光谱提取第66-82页
     ·基于单形体逼近的端元光谱估计问题第66-68页
     ·基于最大单形体体积逼近的经典端元提取算法第68-70页
     ·基于最小体积单形体的端元逼近算法第70-73页
     ·以单形体体积为约束项的端元逼近算法第73-81页
     ·迭代逼近算法中的数据量问题第81-82页
   ·实验结果与分析第82-95页
     ·结果评价方法第82-83页
     ·模拟实验结果与分析第83-87页
     ·真实影像的端元提取与比较第87-95页
 本章小结第95-96页
第四章 基于稀疏约束的混合光谱分解第96-118页
   ·混合光谱分解的稀疏问题第96-97页
   ·混合光谱分解稀疏约束的基本形式第97-98页
   ·混合光谱分解的稀疏约束方法第98-104页
       ·SALSA的基本原理第99-103页
     ·基于误差曲线的端元选取方法第103-104页
   ·混合光谱分解的稀疏约束求解的分析第104-117页
     ·稀疏约束求解的模拟分析第104-110页
     ·混合像元稀疏约束求解的高光谱影像分析第110-117页
 本章小结第117-118页
第五章 基于混合光谱模型的高光谱荧光影像分析第118-135页
   ·多光谱荧光成像技术第118-123页
     ·生物发光技术第118-119页
     ·荧光成像技术第119页
     ·生物发光与荧光技术的结合第119页
     ·荧光高光谱成像光谱仪第119-122页
     ·高光谱荧光影像实例第122-123页
   ·基于混合光谱模型的高光谱荧光影像分析第123-126页
     ·高光谱荧光影像分析的问题第123-124页
     ·基于混合光谱模型的分析方法第124-126页
   ·实验分析第126-134页
     ·模拟数据分析第126-127页
     ·真实影像分析第127-134页
 本章小结第134-135页
第六章 总结与展望第135-137页
   ·本文总结第135-136页
   ·研究展望第136-137页
参照文献第137-145页
附录1 精度评价方法第145-149页
附录2 定理证明第149-151页
附录3第151-152页
致谢第152-154页

论文共154页,点击 下载论文
上一篇:植物端粒结构分析
下一篇:非政府组织参与全球金融治理的法律分析