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

高光谱图像空谱联合监督分类算法及软件系统

摘要第3-4页
Abstract第4-5页
1 绪论第9-21页
    1.1 课题研究背景和意义第9-10页
    1.2 研究现状第10-13页
        1.2.1 高光谱图像降维方法研究现状第10-12页
        1.2.2 高光谱图像空谱联合分类方法研究现状第12-13页
    1.3 论文实验相关设置第13-19页
        1.3.1 实验数据集第13-18页
        1.3.2 实验评价指标第18-19页
    1.4 论文主要内容及结构安排第19-21页
        1.4.1 论文主要研究内容第19-20页
        1.4.2 论文结构安排第20-21页
2 结合降维特征的高光谱图像极限学习机分类方法研究第21-38页
    2.1 引言第21页
    2.2 极限学习机第21-28页
        2.2.1 极限学习机介绍第21-22页
        2.2.2 基于极限学习机的高光谱图像分类方法第22-23页
        2.2.3 极限学习机分类实验及结果分析第23-28页
    2.3 特征提取算法第28-33页
        2.3.1 主成分分析第28-30页
        2.3.2 独立成分分析第30-32页
        2.3.3 局部保持投影第32-33页
    2.4 实验结果分析第33-37页
        2.4.1 实验相关参数设置第33页
        2.4.2 Indian Pines数据集上的实验结果第33-37页
    2.5 本章小结第37-38页
3 基于空谱复合核和KELM的高光谱图像监督分类方法第38-57页
    3.1 引言第38-39页
    3.2 传统高光谱图像监督分类方法第39-41页
        3.2.1 逻辑斯谛回归第39-40页
        3.2.2 支持向量机第40-41页
    3.3 核极限学习机第41-44页
        3.3.1 核极限学习机理论第41-42页
        3.3.2 结合复合核的极限学习机第42-44页
    3.4 实验结果及分析第44-53页
        3.4.1 极限学习机核函数比较第44-49页
        3.4.2 各类分类器性能比较第49-53页
    3.5 本章小结第53-57页
4 基于核范PCA多视特征抽取的高光谱图像监督分类ELM方法第57-74页
    4.1 引言第57页
    4.2 基于核范数的2D主成分分析第57-59页
    4.3 基于集成学习的KELM算法第59-60页
    4.4 高光谱图像自由分类框架第60-64页
        4.4.1 第一步:通过多重假设来提取空间特征第61-62页
        4.4.2 第二步:通过N-2DPCA来提取空间-光谱特征第62-63页
        4.4.3 第三步:基于集成学习的KELM方法用于分类第63-64页
    4.5 实验及结果分析第64-67页
        4.5.1 N-2DPCA参数影响研究第64-66页
        4.5.2 实验结果对比第66-67页
    4.6 本章小结第67-74页
5 高光谱图像监督分类原型系统和算法测评第74-84页
    5.1 引言第74页
    5.2 系统概述第74-78页
        5.2.1 实现目标第74页
        5.2.2 系统开发环境第74-75页
        5.2.3 主要开发语言及平台第75页
        5.2.4 系统流程图第75-76页
        5.2.5 系统模块构成第76-78页
        5.2.6 系统用户界面设计第78页
    5.3 系统功能设计与技术分析第78-80页
        5.3.1 读入模块第78-79页
        5.3.2 高光谱图像特征提取模块及分类模块第79-80页
        5.3.3 性能评价模块第80页
        5.3.4 保存模块第80页
    5.4 系统测试结果第80-81页
    5.5 性能评测分析第81-83页
        5.5.1 特征提取方法性能评测第81页
        5.5.2 监督分类方法性能评测第81-83页
    5.6 本章小结第83-84页
6 结论第84-86页
致谢第86-87页
参考文献第87-94页
附录第94页

论文共94页,点击 下载论文
上一篇:基于立体视觉的道路场景分割与车辆检测算法研究
下一篇:图像去雾技术研究与实现