| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究背景和研究意义 | 第16-19页 |
| 1.1.1 研究背景 | 第16-18页 |
| 1.1.2 研究意义 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-24页 |
| 1.2.1 高光谱遥感技术 | 第19页 |
| 1.2.2 难点与挑战 | 第19-21页 |
| 1.2.3 深度置信网络 | 第21-24页 |
| 1.3 研究内容和章节安排 | 第24-26页 |
| 1.3.1 研究内容和创新点 | 第24-25页 |
| 1.3.2 章节安排 | 第25-26页 |
| 第二章 高光谱遥感基础理论 | 第26-38页 |
| 2.1 高光谱图像分类 | 第26-32页 |
| 2.1.1 分类原理和步骤 | 第26-28页 |
| 2.1.2 真实数据库和评价指标 | 第28-32页 |
| 2.2 深度置信网络 | 第32-37页 |
| 2.2.1 限制玻尔兹曼机 | 第32-35页 |
| 2.2.2 深度置信网络 | 第35-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第三章 基于深度置信网络的高光谱图像分类 | 第38-54页 |
| 3.1 引言 | 第38页 |
| 3.2 构建深度置信网络 | 第38-45页 |
| 3.2.1 构建限制玻尔兹曼机 | 第38-44页 |
| 3.2.2 构建深度置信网络 | 第44-45页 |
| 3.3 真实高光谱图像分类实验 | 第45-52页 |
| 3.3.1 实验设置 | 第45-48页 |
| 3.3.2 实验结果及分析 | 第48-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于纹理信息增强模型的高光谱图像分类 | 第54-68页 |
| 4.1 引言 | 第54页 |
| 4.2 分类框架 | 第54-55页 |
| 4.3 相关理论介绍 | 第55-59页 |
| 4.3.1 波段相关性 | 第55-56页 |
| 4.3.2 导向滤波 | 第56-59页 |
| 4.3.3 图像信息熵 | 第59页 |
| 4.4 纹理信息增强模型 | 第59-60页 |
| 4.5 真实高光谱图像分类实验 | 第60-65页 |
| 4.5.1 实验设置 | 第60-61页 |
| 4.5.2 实验结果及分析 | 第61-65页 |
| 4.6 本章小结 | 第65-68页 |
| 第五章 基于优化的纹理信息增强模型的高光谱图像分类 | 第68-80页 |
| 5.1 引言 | 第68页 |
| 5.2 优化的分类框架 | 第68-69页 |
| 5.3 相关理论介绍 | 第69-70页 |
| 5.4 空间信息优化方法 | 第70-71页 |
| 5.5 真实高光谱图像分类实验 | 第71-77页 |
| 5.5.1 实验设置 | 第71-72页 |
| 5.5.2 实验结果及分析 | 第72-77页 |
| 5.6 本章小结 | 第77-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 作者简介 | 第90-91页 |