| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| Table of notations | 第10-12页 |
| List of abbreviations | 第12-22页 |
| 1 Introduction | 第22-32页 |
| 1.1 Overview on remote sensing systems | 第22-23页 |
| 1.2 Overview on the last generation of remote sensing imaging systems | 第23-24页 |
| 1.3 Overview on hyperspectral image classification | 第24-27页 |
| 1.4 Motivation, objective and novel contributions of this thesis | 第27-29页 |
| 1.5 Structure of the thesis | 第29-32页 |
| 2 Support Vector Machines in depth | 第32-64页 |
| 2.1 Introduction | 第32-33页 |
| 2.2 Loss Functions | 第33-39页 |
| 2.3 Support Vectors | 第39-49页 |
| 2.4 Kernel Methods | 第49-59页 |
| 2.5 Experiments with SVM | 第59-62页 |
| 2.6 Conclusion | 第62-64页 |
| 3 Systematic comparison study of Linear Feature Extraction methods for classification of hyperspectral images with noise | 第64-78页 |
| 3.1 Introduction | 第64-67页 |
| 3.2 Selected Linear Feature Extraction techniques | 第67-71页 |
| 3.3 Three types of image noises | 第71-72页 |
| 3.4 Experiment and results | 第72-77页 |
| 3.5 Conclusion | 第77-78页 |
| 4 Extended Morphological Profiles with duality for hyperspectral image classification | 第78-94页 |
| 4.1 Introduction | 第78-79页 |
| 4.2 Extended Morphological Profiles with duality | 第79-82页 |
| 4.3 Linear Filtering | 第82-83页 |
| 4.4 Experiment and results | 第83-93页 |
| 4.5 Conclusion | 第93-94页 |
| 5 Marker Selection using SVM over-fitting and skeletonization for very lowtraining sample analysis of hyperspectral image classification | 第94-114页 |
| 5.1 Introduction | 第94-96页 |
| 5.2 Marker selection using SVM over-fitting | 第96-98页 |
| 5.3 Marker selection using skeletonization | 第98-101页 |
| 5.4 Experiment and results | 第101-111页 |
| 5.5 Conclusion | 第111-114页 |
| 6 Classification using iterative support vector machine with spatial-spectral information | 第114-124页 |
| 6.1 Introduction | 第114-115页 |
| 6.2 Iterative Support Vector Machine | 第115-116页 |
| 6.3 Proposed approach | 第116-119页 |
| 6.4 Experiment and results | 第119-123页 |
| 6.5 Conclusion | 第123-124页 |
| 7 Conclusion | 第124-128页 |
| 7.1 Summary and discussion | 第124-126页 |
| 7.2 Concluding remarks and future development | 第126-128页 |
| Appendix A:Data sets | 第128-134页 |
| A.1 AVIRIS data sets | 第128-130页 |
| A.2 ROSIS data sets | 第130-134页 |
| Appendix B:Nonlinear Nonparametric Supervised Feature Extraction techniques | 第134-138页 |
| B.1 Decision Boundary Feature Extraction | 第134-135页 |
| B.2 Nonparametric Weighted Feature Extraction | 第135-138页 |
| References | 第138-152页 |
| Publications | 第152-154页 |
| Acknowledgements | 第154-155页 |
