基于低秩表示的空谱联合高光谱图像分类模型与方法
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1. 引言 | 第9-15页 |
| 1.1. 课题研究背景和意义 | 第9-10页 |
| 1.2. 研究现状 | 第10-12页 |
| 1.2.1. 高光谱图像分类的研究现状 | 第10-12页 |
| 1.2.2. 矩阵秩相关模型的研究现状 | 第12页 |
| 1.3. 论文主要研究内容 | 第12-14页 |
| 1.4. 论文结构安排 | 第14-15页 |
| 2. 高光谱图像低秩表示分类 | 第15-25页 |
| 2.1. 低秩表示理论与方法 | 第15-22页 |
| 2.1.1. 秩的模型与理论 | 第15-17页 |
| 2.1.2. 低秩模型求解算法 | 第17-22页 |
| 2.2. 高光谱低秩表示分类方法 | 第22-25页 |
| 2.2.1. 低秩高光谱分类模型及其求解算法 | 第23-25页 |
| 3. 基于核低秩表示的高光谱分类方法 | 第25-41页 |
| 3.1. 引言 | 第25-26页 |
| 3.2. 核函数的使用及核技巧 | 第26-27页 |
| 3.3. 模型的提出和求解 | 第27-32页 |
| 3.3.1. 核函数的选取 | 第27-29页 |
| 3.3.2. 核低秩表示分类模型的提出和求解 | 第29-32页 |
| 3.4. 实验结果与分析 | 第32-39页 |
| 3.4.1. 高光谱图像中的精度分析 | 第32-33页 |
| 3.4.2. 实验参数及环境配置 | 第33页 |
| 3.4.3. 实验结果 | 第33-39页 |
| 3.5. 本章小结 | 第39-41页 |
| 4. 基于空谱多核学习的核低秩表示高光谱分类方法 | 第41-54页 |
| 4.1. 引言 | 第41-42页 |
| 4.2. 多核学习的简介和KA标准 | 第42-44页 |
| 4.2.1. 多核学习的简介 | 第42-44页 |
| 4.2.2. KA标准 | 第44页 |
| 4.3. 基于空谱多核学习的高光谱分类方法 | 第44-49页 |
| 4.3.1. 高光谱中尺度的意义 | 第44-46页 |
| 4.3.2. 提出的模型 | 第46-49页 |
| 4.4. 实验结果分析 | 第49-53页 |
| 4.4.1. 数值和视觉直观比较 | 第50-51页 |
| 4.4.2. 分类算法时间比较 | 第51-53页 |
| 4.5. 本章小结 | 第53-54页 |
| 5. 高光谱图像分类软件系统设计与实现 | 第54-62页 |
| 5.1. 前言 | 第54-55页 |
| 5.2. 系统总体框架设计 | 第55-56页 |
| 5.3. 系统模块设计和功能测试 | 第56-61页 |
| 5.4. 本章小结 | 第61-62页 |
| 6. 总结与展望 | 第62-64页 |
| 6.1. 研究总结 | 第62-63页 |
| 6.2. 研究展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录 | 第70页 |
