| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第12-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本课题研究的内容及主要工作 | 第15-16页 |
| 1.4 结构安排 | 第16-17页 |
| 第二章 张量分析的基本原理 | 第17-25页 |
| 2.1 张量代数 | 第17-21页 |
| 2.1.1 张量代数的概念 | 第18页 |
| 2.1.2 张量代数的基本运算 | 第18-20页 |
| 2.1.3 张量代数的分解方法 | 第20-21页 |
| 2.2 结构张量 | 第21-24页 |
| 2.2.1 线性结构张量 | 第22-23页 |
| 2.2.2 非线性结构张量 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于张量分析的高光谱图像解混方法 | 第25-44页 |
| 3.1 高光谱图像的基本解混方法概述 | 第25-26页 |
| 3.2 高光谱图像的凸几何学模型 | 第26-29页 |
| 3.2.1 凸几何学的概念 | 第26-28页 |
| 3.2.2 基于凸几何学的解混分析 | 第28页 |
| 3.2.3 基于凸几何学的端元提取 | 第28-29页 |
| 3.3 基于非负矩阵分解的光谱解混 | 第29-32页 |
| 3.3.1 非负矩阵分解简介 | 第29-30页 |
| 3.3.2 非负矩阵分解的求解 | 第30页 |
| 3.3.3 高光谱图像的NMF模型 | 第30-32页 |
| 3.4 基于决策树的聚类分析法 | 第32-36页 |
| 3.4.1 选择分裂节点的准则 | 第32页 |
| 3.4.2 节点的分裂算法 | 第32-34页 |
| 3.4.3 高光谱图像的秩-2 非负矩阵分解 | 第34-35页 |
| 3.4.4 基于 2NMF的HSI的层次聚类算法 | 第35-36页 |
| 3.5 实验分析 | 第36-43页 |
| 3.5.1 实验数据介绍 | 第36-37页 |
| 3.5.2 端元提取实验结果分析 | 第37-39页 |
| 3.5.3 丰度矩阵求解实验结果分析 | 第39-41页 |
| 3.5.4 重构误差实验结果分析 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于张量分析的高光谱图像噪声抑制算法研究 | 第44-68页 |
| 4.1 高光谱图像的张量分析模型 | 第44页 |
| 4.2 典型的高光谱图像去噪算法概述 | 第44-55页 |
| 4.2.1 维纳滤波 | 第45-48页 |
| 4.2.2 双收缩小波变换 | 第48-49页 |
| 4.2.3 基于PCA和小波变换的高光谱图像去噪 | 第49-52页 |
| 4.2.4 仿真分析 | 第52-55页 |
| 4.3 基于层次非负张量分解的高光谱图像去噪算法 | 第55-62页 |
| 4.3.1 层次非负张量分解方法 | 第55-58页 |
| 4.3.2 基于遗传算法的层次非负张量分解方法 | 第58-60页 |
| 4.3.3 实验分析 | 第60-62页 |
| 4.4 基于PCA和Tucker分解的高光谱图像去噪算法 | 第62-67页 |
| 4.4.1 基于噪声能量比的Tucker秩估计 | 第62-64页 |
| 4.4.2 基于PCA和Tucker分解的高光谱图像去噪算法 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 基于结构张量的图像边缘提取算法 | 第68-80页 |
| 5.1 结构张量发展的主流模型 | 第68-70页 |
| 5.2 多通道图像的结构张量 | 第70-75页 |
| 5.2.1 多通道图像结构张量的定义 | 第70-72页 |
| 5.2.2 线性结构张量 | 第72-73页 |
| 5.2.3 结构张量的主要性质 | 第73页 |
| 5.2.4 实验分析 | 第73-75页 |
| 5.3 基于加权结构张量的图像边缘提取 | 第75-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士期间取得的成果 | 第88-89页 |