| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 国内外高光谱遥感研究状况 | 第11-13页 |
| 1.3 三个实际的高光谱遥感数据 | 第13-17页 |
| 1.3.1 AVIRIS Indian Pines数据集 | 第14-15页 |
| 1.3.2 ROSIS Pavia University scene数据集 | 第15-16页 |
| 1.3.3 Kennedy Space Center数据集 | 第16-17页 |
| 1.4 高光谱数据分类面临的主要问题 | 第17-18页 |
| 1.5 本文主要研究主要内容 | 第18-19页 |
| 第2章 高光谱数据分类方法研究 | 第19-30页 |
| 2.1 高光谱数据分类方法研究现状 | 第19-23页 |
| 2.2 高光谱数据分类方法 | 第23-29页 |
| 2.2.1 K近邻分类 | 第23-24页 |
| 2.2.2 支持向量机 | 第24-26页 |
| 2.2.3 基于稀疏表示的分类 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于空间光谱结合稀疏表示的高光谱图像分类 | 第30-42页 |
| 3.1 背景介绍 | 第30-31页 |
| 3.2 基于稀疏表示分类的不足 | 第31页 |
| 3.3 空间光谱融合的SRC | 第31-33页 |
| 3.3.1 3S RC的单步更新示例 | 第31-32页 |
| 3.3.2 3S RC的迭代更新步骤 | 第32-33页 |
| 3.4 快速S'RC | 第33-36页 |
| 3.5 实验结果与分析 | 第36-41页 |
| 3.5.1 AVIRIS Indiana Pines数据集 | 第36-40页 |
| 3.5.2 ROSIS Pavia University scene数据集 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于Gabor特征块选择多任务联合稀疏表示的高光谱图像分类研究 | 第42-58页 |
| 4.1 背景介绍 | 第42-43页 |
| 4.2 Gabor特征 | 第43-47页 |
| 4.2.1 Gabor变换的提出 | 第43-44页 |
| 4.2.2 一维和二维Gabor变换 | 第44-45页 |
| 4.2.3 三维Gabor特征 | 第45-47页 |
| 4.3 多任务联合稀疏表示 | 第47-48页 |
| 4.4 基于Gabor特征块选择多任务联合稀疏表示 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-57页 |
| 4.5.1 Kennedy Space Center数据集 | 第49-52页 |
| 4.5.2 ROSIS Pavia University scene数据集 | 第52-54页 |
| 4.5.3 AVIRIS Indiana Pines数据集 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 进一步的工作展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的研究成果 | 第67-68页 |
