| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景与意义 | 第12-13页 |
| ·遥感影像信息提取的研究现状 | 第13-16页 |
| ·论文的研究内容与章节安排 | 第16-19页 |
| ·论文的主要研究内容 | 第16-18页 |
| ·论文的章节安排 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 流形学习的基本方法 | 第20-35页 |
| ·流形学习的原理与分类 | 第20-25页 |
| ·流形学习的片排列框架 | 第25-33页 |
| ·流形学习在遥感影像处理中的应用 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 张量流形空间中的遥感影像空间-光谱特征提取 | 第35-69页 |
| ·张量及张量代数 | 第36-42页 |
| ·矩阵克罗内克积(Kronecker Product) | 第36-37页 |
| ·矩阵Khatri-Rao积(Khatri-Rao Product) | 第37页 |
| ·张量 d 阶展开(Mode-d Matricizing) | 第37-38页 |
| ·张量外积(Outer Product) | 第38页 |
| ·张量的内积(Inner Product),范数(Norm)和距离(Distance) | 第38页 |
| ·张量缩并(Tensor Contraction) | 第38-39页 |
| ·张量d维度乘积(Mode-d Product) | 第39-40页 |
| ·张量分解 | 第40-42页 |
| ·张量计算工具 | 第42页 |
| ·高光谱遥感影像多特征一体化张量描述 | 第42-48页 |
| ·多时-空-谱遥感影像张量描述 | 第43-45页 |
| ·高光谱遥感影像多特征张量描述 | 第45页 |
| ·高光谱遥感影像对象级特征张量描述 | 第45-46页 |
| ·多时-空-谱遥感影像张量描述的优势 | 第46-48页 |
| ·张量判别局部排列算法 | 第48-67页 |
| ·张量判别局部排列 | 第50-54页 |
| ·TDLA算法实验结果 | 第54-67页 |
| ·本章小结 | 第67-69页 |
| 第四章 遥感影像多特征融合的自适应流形学习框架 | 第69-110页 |
| ·基于流形学习的多特征融合方法 | 第69-94页 |
| ·MFC算法介绍 | 第72-79页 |
| ·MFC算法实验结果 | 第79-93页 |
| ·MFC算法小结 | 第93-94页 |
| ·多特征随机邻域嵌入算法 | 第94-108页 |
| ·MSNE算法介绍 | 第95-100页 |
| ·MSNE算法实验结果 | 第100-107页 |
| ·MSNE算法小结 | 第107-108页 |
| ·本章小结 | 第108-110页 |
| 第五章 多约束的判别流形学习高光谱目标探测 | 第110-144页 |
| ·稀疏迁移学习的高光谱目标探测 | 第111-131页 |
| ·STME算法介绍 | 第112-118页 |
| ·STME算法实验结果 | 第118-129页 |
| ·STME算法小结 | 第129页 |
| ·附录 | 第129-131页 |
| ·多约束测度学习的亚像素目标探测 | 第131-142页 |
| ·测度学习的相关研究 | 第132-133页 |
| ·SML算法介绍 | 第133-138页 |
| ·SML算法实验结果 | 第138-142页 |
| ·SML算法小结 | 第142页 |
| ·本章小结 | 第142-144页 |
| 第六章 张量描述的高光谱影像多维线性分析与分类 | 第144-174页 |
| ·张量学习的一般框架 | 第144-151页 |
| ·SVM的张量扩展 | 第147-148页 |
| ·MPM的张量扩展 | 第148-149页 |
| ·FDA的张量扩展 | 第149页 |
| ·DML的张量扩展 | 第149-151页 |
| ·多特征张量表达的遥感影像目标定位 | 第151-159页 |
| ·基于Gabor纹理的遥感影像多特征张量描述 | 第151-153页 |
| ·二类支持张量机及其解法 | 第153-154页 |
| ·MSTM算法实验结果 | 第154-159页 |
| ·MSTM算法小结 | 第159页 |
| ·基于支持张量机的遥感影像分类 | 第159-167页 |
| ·多类支持张量机及其实现 | 第159-162页 |
| ·基于支持张量机的遥感影像分类结果 | 第162-167页 |
| ·多类支持张量机算法小结 | 第167页 |
| ·邻近支持张量机的高光谱目标识别 | 第167-172页 |
| ·邻近支持向量机(PSVM) | 第168-169页 |
| ·邻近支持张量机(PSTM) | 第169-171页 |
| ·PSTM目标识别实验 | 第171-172页 |
| ·本章小结 | 第172-174页 |
| 第七章 结论与展望 | 第174-177页 |
| ·本论文的结论及主要创新点 | 第174-175页 |
| ·未来工作的展望 | 第175-177页 |
| 参考文献 | 第177-198页 |
| 附录 | 第198-201页 |
| 致谢 | 第201-202页 |
