| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究意义 | 第16-19页 |
| 1.2 国内外研究现状 | 第19-22页 |
| 1.3 本论文拟解决的问题 | 第22页 |
| 1.4 本论文特色及创新点 | 第22-23页 |
| 1.5 内容安排 | 第23-26页 |
| 第二章 研究基础 | 第26-42页 |
| 2.1 解混模型 | 第26-30页 |
| 2.1.1 线性解混模型 | 第26-27页 |
| 2.1.2 非线性解混模型 | 第27-29页 |
| 2.1.3 基于线性/非线性的波动模型 | 第29-30页 |
| 2.2 混合像元分解算法 | 第30-39页 |
| 2.2.1 预处理 | 第30-33页 |
| 2.2.2 端元个数估计算法 | 第33页 |
| 2.2.3 典型的解混算法 | 第33-39页 |
| 2.3 精度评价 | 第39-41页 |
| 2.3.1 已知真实数据的精度评价 | 第39-40页 |
| 2.3.2 未知真实数据的精度评价 | 第40-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 基于高光谱影像的抗噪解混模型推导及分析 | 第42-56页 |
| 3.1 引言 | 第42-44页 |
| 3.2 高光谱数据噪声分析 | 第44-47页 |
| 3.2.1 噪声分类 | 第44-45页 |
| 3.2.2 噪声模型 | 第45-47页 |
| 3.3 典型模型分析 | 第47-50页 |
| 3.4 抗噪模型 | 第50-54页 |
| 3.4.1 基于SED的抗噪模型 | 第50-51页 |
| 3.4.2 基于IS分离度的抗噪模型 | 第51-54页 |
| 3.4.3 抗噪模型及稀疏性 | 第54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 一种改进的混合像元解混算法 | 第56-78页 |
| 4.1 引言 | 第56-58页 |
| 4.2 非负矩阵分解 | 第58-62页 |
| 4.2.1 简介 | 第58-60页 |
| 4.2.2 混合像元分解中应用情况 | 第60-62页 |
| 4.3 传统线性模型误差分析 | 第62-65页 |
| 4.4 一种新的混合像元分解算法 | 第65-68页 |
| 4.4.1 共轭梯度算法 | 第66-67页 |
| 4.4.2 基于NBSUM改进的NMF算法程序 | 第67-68页 |
| 4.5 基于NMF-NBSUM算法的实验及分析 | 第68-76页 |
| 4.5.1 模拟数据上实验 | 第68-71页 |
| 4.5.2 实测数据上的实验 | 第71-76页 |
| 4.6 本章小结 | 第76-78页 |
| 第五章 基于抗噪模型的混合像元分解算法 | 第78-98页 |
| 5.1 引言 | 第78-79页 |
| 5.2 基于压缩感知理论及IS分离度的解混算法 | 第79-83页 |
| 5.2.1 字典修剪及稀疏编码 | 第80-81页 |
| 5.2.2 迭代算法 | 第81-83页 |
| 5.2.3 基于抗噪模型的解混算法流程 | 第83页 |
| 5.3 基于IS-NMF_(Lo)算法的实验结果及分析 | 第83-95页 |
| 5.3.1 在模拟数据上的实验 | 第84-89页 |
| 5.3.2 实际数据上的实验 | 第89-95页 |
| 5.4 本章小结 | 第95-98页 |
| 第六章 总结与展望 | 第98-102页 |
| 6.1 总结 | 第98-99页 |
| 6.2 展望 | 第99-102页 |
| 参考文献 | 第102-112页 |
| 后记 | 第112-114页 |
| 在读期间发表或将到发表的学术论文情况 | 第114-115页 |
| 在读期间参与的科研项目情况 | 第115页 |