首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于张量和稀疏表示的偏振高光谱图像目标检测算法研究

摘要第4-5页
Abstract第5页
第1章 绪论第8-16页
    1.1 研究背景及意义第8页
    1.2 国内外研究现状及分析第8-14页
        1.2.1 张量表示在图像处理领域的研究现状及分析第9-10页
        1.2.2 稀疏表示在图像处理领域的研究现状及分析第10-11页
        1.2.3 偏振高光谱成像特性与目标检测的研究现状及分析第11-13页
        1.2.4 国内外文献综述的简析第13-14页
    1.3 论文主要研究内容及结构安排第14-16页
第2章 基于Stokes矢量的偏振高光谱图像目标检测第16-34页
    2.1 Stokes矢量的基本概念第16-18页
    2.2 基于Stokes矢量提取的偏振光谱信息描述第18-19页
    2.3 传统的偏振高光谱图像目标检测算法第19-24页
        2.3.1 统计异常检测第20页
        2.3.2 匹配滤波检测第20-22页
        2.3.3 特征子空间检测第22页
        2.3.4 模糊积分融合第22-24页
    2.4 实验结果及分析第24-33页
    2.5 本章小结第33-34页
第3章 基于张量分解的偏振高光谱图像目标检测第34-47页
    3.1 张量的定义及性质第34-36页
    3.2 张量分解特征提取第36-39页
        3.2.1 基于CP分解的特征提取第36-37页
        3.2.2 基于Tucker分解的特征提取第37-39页
    3.3 基于张量分解的目标检测第39-41页
        3.3.1 四阶张量匹配滤波检测第39-40页
        3.3.2 基于张量CP分解重建的目标检测第40-41页
    3.4 实验结果及分析第41-46页
    3.5 本章小结第46-47页
第4章 联合张量分解和稀疏表示的目标检测第47-59页
    4.1 稀疏表示的相关概念第47-49页
        4.1.1 稀疏数据集求解第48-49页
        4.1.2 稀疏系数求解第49页
    4.2 偏振高光谱图像的稀疏表示第49-53页
    4.3 基于张量分解重建的稀疏表示目标检测第53-54页
    4.4 实验结果及分析第54-57页
    4.5 本章小结第57-59页
结论第59-60页
参考文献第60-66页
攻读硕士学位期间发表的论文第66-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:认知雷达理论及其波形选择算法研究
下一篇:基于Android平台的智能短信管理系统的研究与实现