| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-34页 |
| 1.1 课题研究的背景、目的及意义 | 第13-18页 |
| 1.1.1 课题研究的背景 | 第13-16页 |
| 1.1.2 课题研究的目的及意义 | 第16-18页 |
| 1.2 高光谱图像分类发展现状及本课题国内外研究现状 | 第18-32页 |
| 1.2.1 高光谱图像分类的概念与原理 | 第18-19页 |
| 1.2.2 高光谱图像分类方法 | 第19-24页 |
| 1.2.3 本课题国内外研究现状 | 第24-32页 |
| 1.3 课题主要研究内容及结构安排 | 第32-34页 |
| 第2章 稀疏表达和高光谱图像空间信息简介 | 第34-54页 |
| 2.1 稀疏表达的基本理论 | 第34-47页 |
| 2.1.1 稀疏表达的数学原理 | 第35-39页 |
| 2.1.2 稀疏表达的字典构建 | 第39-43页 |
| 2.1.3 稀疏表达的系数求解 | 第43-47页 |
| 2.2 高光谱图像的空间信息运用方法 | 第47-53页 |
| 2.2.1 空间特征利用 | 第47-49页 |
| 2.2.2 空间模型约束 | 第49-52页 |
| 2.2.3 空间信息修正 | 第52-53页 |
| 2.3 本章小结 | 第53-54页 |
| 第3章 基于稀疏特征和邻域同质性的高光谱图像分类算法 | 第54-76页 |
| 3.1 引言 | 第54-55页 |
| 3.2 理论基础 | 第55-58页 |
| 3.2.1 稀疏表达 | 第55-56页 |
| 3.2.2 SVM分类 | 第56页 |
| 3.2.3 邻域同质性 | 第56-58页 |
| 3.3 基于稀疏特征和邻域同质性的高光谱图像分类算法 | 第58-61页 |
| 3.3.1 算法核心思想 | 第58页 |
| 3.3.2 算法具体步骤 | 第58-61页 |
| 3.4 实验构建 | 第61-65页 |
| 3.4.1 仿真环境与平台 | 第61页 |
| 3.4.2 高光谱实验数据集 | 第61-63页 |
| 3.4.3 实验效果评价指标 | 第63-65页 |
| 3.5 实验仿真结果与分析 | 第65-75页 |
| 3.5.1 参数影响的分析 | 第65-67页 |
| 3.5.2 不同分类方法的比较 | 第67-73页 |
| 3.5.3 不同训练集的分类效果 | 第73-74页 |
| 3.5.4 运行时间比较 | 第74-75页 |
| 3.6 本章小结 | 第75-76页 |
| 第4章 基于稀疏特征和马尔科夫随机场的高光谱图像分类算法 | 第76-92页 |
| 4.1 引言 | 第76-77页 |
| 4.2 理论基础 | 第77-80页 |
| 4.2.1 稀疏表达 | 第77页 |
| 4.2.2 概率SVM | 第77-78页 |
| 4.2.3 MRF | 第78-80页 |
| 4.3 基于稀疏特征和马尔科夫随机场的高光谱图像分类算法 | 第80-83页 |
| 4.3.1 算法核心思想 | 第80页 |
| 4.3.2 算法具体步骤 | 第80-83页 |
| 4.4 实验仿真结果与分析 | 第83-90页 |
| 4.4.1 参数影响的分析 | 第83-84页 |
| 4.4.2 不同分类方法的比较 | 第84-88页 |
| 4.4.3 不同训练集的分类效果 | 第88-89页 |
| 4.4.4 运行时间比较 | 第89-90页 |
| 4.5 本章小结 | 第90-92页 |
| 第5章 基于空间光谱特征和稀疏表达的高光谱图像分类算法 | 第92-108页 |
| 5.1 引言 | 第92-93页 |
| 5.2 理论基础 | 第93-95页 |
| 5.2.1 特征提取 | 第93-94页 |
| 5.2.2 稀疏表达分类器 | 第94-95页 |
| 5.3 基于空间光谱特征和稀疏表达的高光谱图像分类算法 | 第95-97页 |
| 5.3.1 算法核心思想 | 第95页 |
| 5.3.2 算法具体步骤 | 第95-97页 |
| 5.4 实验仿真结果与分析 | 第97-106页 |
| 5.4.1 参数影响的分析 | 第97-100页 |
| 5.4.2 不同分类方法的比较 | 第100-104页 |
| 5.4.3 不同训练集的分类效果 | 第104-106页 |
| 5.4.4 运行时间比较 | 第106页 |
| 5.5 本章小结 | 第106-108页 |
| 第6章 基于空间光谱信息和稀疏协作表达的高光谱图像残差融合分类算法 | 第108-129页 |
| 6.1 引言 | 第108-109页 |
| 6.2 理论基础 | 第109-113页 |
| 6.2.1 特征提取 | 第109-110页 |
| 6.2.2 SRC和CRC | 第110-111页 |
| 6.2.3 联合表示模型 | 第111-112页 |
| 6.2.4 局部自适应字典 | 第112-113页 |
| 6.3 基于空间光谱信息和稀疏协作表达的高光谱图像残差融合分类算法 | 第113-117页 |
| 6.3.1 算法核心思想 | 第113页 |
| 6.3.2 算法具体步骤 | 第113-117页 |
| 6.4 实验仿真结果与分析 | 第117-127页 |
| 6.4.1 参数影响的分析 | 第117-120页 |
| 6.4.2 不同分类方法的比较 | 第120-125页 |
| 6.4.3 不同训练集的分类效果 | 第125-126页 |
| 6.4.4 运行时间比较 | 第126-127页 |
| 6.5 本章小结 | 第127-129页 |
| 结论 | 第129-131页 |
| 参考文献 | 第131-150页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第150-152页 |
| 致谢 | 第152页 |
