基于稀疏表示的半监督高光谱图像分类算法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景和意义 | 第15-17页 |
| 1.2 国内外研究现状分析 | 第17页 |
| 1.3 论文的主要工作及内容安排 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 高光谱图像分类基础 | 第19-29页 |
| 2.1 高光谱图像分类的常见方法 | 第19-25页 |
| 2.1.1 高光谱图像的特征 | 第19-20页 |
| 2.1.2 高光谱图像常见的分类方法 | 第20-25页 |
| 2.2 稀疏表示模型 | 第25-26页 |
| 2.3 高光谱图像分类方法的性能评价 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于联合稀疏表示的半监督高光谱图像分类 | 第29-45页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于类标传播的分类 | 第30-31页 |
| 3.2.1 类标传播算法的概念 | 第30-31页 |
| 3.2.2 类标传播算法的实现 | 第31页 |
| 3.3 基于稀疏表示的半监督分类 | 第31-33页 |
| 3.4 基于联合稀疏表示的半监督分类 | 第33-35页 |
| 3.4.1 算法原理 | 第33-34页 |
| 3.4.2 改进算法 | 第34-35页 |
| 3.5 实验结果和分析 | 第35-42页 |
| 3.5.1 数据集 | 第35页 |
| 3.5.2 实验设置 | 第35-36页 |
| 3.5.3 分类结果的比较 | 第36-41页 |
| 3.5.4 参数分析 | 第41-42页 |
| 3.6 本章小结 | 第42-45页 |
| 第四章 基于相似度与线性表示的高光谱图像分类 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 K-means聚类 | 第45页 |
| 4.3 基于欧几里得距离度量法的相似度 | 第45-46页 |
| 4.4 基于相似度与线性表示的高光谱图像分类 | 第46-48页 |
| 4.4.1 基于相似度的分类方法 | 第46页 |
| 4.4.2 基于相似度与线性表示的高光谱图像分类 | 第46-48页 |
| 4.4.3 SLP算法的优缺点 | 第48页 |
| 4.5 实验结果与分析 | 第48-53页 |
| 4.5.1 实验设置 | 第48-49页 |
| 4.5.2 分类结果 | 第49-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 基于k近邻与稀疏表示的高光谱图像分类 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 k近邻法 | 第55-56页 |
| 5.2.1 k近邻法的概念 | 第55-56页 |
| 5.3 基于k近邻与稀疏表示的高光谱图像分类 | 第56-58页 |
| 5.3.1 k近邻与稀疏表示分类算法模型 | 第56-57页 |
| 5.3.2 k近邻与稀疏表示分类算法实现步骤 | 第57-58页 |
| 5.3.3 KSR算法的优缺点 | 第58页 |
| 5.4 实验结果与分析 | 第58-62页 |
| 5.4.1 数据集 | 第58-60页 |
| 5.4.2 实验设置 | 第60页 |
| 5.4.3 实验结果与分析 | 第60-62页 |
| 5.4.4 参数分析 | 第62页 |
| 5.5 本章小结 | 第62-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 未来展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
