| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 引言 | 第14-15页 |
| 1.2 选题背景 | 第15-18页 |
| 1.2.1 高光谱遥感成像特点 | 第15-16页 |
| 1.2.2 高光谱遥感图像中的混合像元及形成原因 | 第16-17页 |
| 1.2.3 混合像元解混的研究意义 | 第17-18页 |
| 1.3 混合像元解混技术分类 | 第18-29页 |
| 1.3.1 基于线性混合模型的解混方法 | 第19-26页 |
| 1.3.2 基于非线性混合模型的解混方法 | 第26-29页 |
| 1.4 论文的主要工作 | 第29-30页 |
| 1.5 论文结构安排 | 第30-32页 |
| 第2章 基于稀疏回归理论的高光谱图像解混算法 | 第32-46页 |
| 2.1 引言 | 第32页 |
| 2.2 现有的稀疏解混算法介绍 | 第32-44页 |
| 2.2.1 SUnSAL算法 | 第32-38页 |
| 2.2.2 SUnSAL-TV算法 | 第38-42页 |
| 2.2.3 CLSUnSAL算法 | 第42-44页 |
| 2.3 小结 | 第44-46页 |
| 第3章 基于中心化约束的高光谱图像协作稀疏解混算法 | 第46-69页 |
| 3.1 引言 | 第46页 |
| 3.2 基于中心化约束的高光谱协作稀疏解混模型 | 第46-52页 |
| 3.2.1 丰度稀疏解混误差 | 第47-50页 |
| 3.2.2 基于中心化的协作稀疏解混模型及优化 | 第50-52页 |
| 3.2.3 算法流程 | 第52页 |
| 3.3 实验结果分析 | 第52-67页 |
| 3.3.1 模拟数据实验 | 第52-66页 |
| 3.3.2 真实数据实验 | 第66-67页 |
| 3.4 小结 | 第67-69页 |
| 第4章 基于双权重稀疏约束的高光谱图像解混算法 | 第69-88页 |
| 4.1 引言 | 第69页 |
| 4.2 双权重l_1范数与TV约束相结合的解混框架 | 第69-74页 |
| 4.2.1 权重的l_1范数最小化 | 第69-70页 |
| 4.2.2 双权重稀疏解混框架 | 第70-71页 |
| 4.2.3 双权重的l_1范数与TV约束相结合的解混框架 | 第71页 |
| 4.2.4 DRSU-TV的优化算法 | 第71-73页 |
| 4.2.5 DRSU-TV算法流程 | 第73-74页 |
| 4.3 实验结果分析 | 第74-87页 |
| 4.3.1 模拟数据实验 | 第74-86页 |
| 4.3.2 真实数据实验 | 第86-87页 |
| 4.4 小结 | 第87-88页 |
| 第5章 光谱-空间双约束的高光谱图像稀疏解混算法 | 第88-106页 |
| 5.1 引言 | 第88页 |
| 5.2 光谱—空间双约束的稀疏解混模型 | 第88-92页 |
| 5.2.1 模型的优化求解 | 第90-92页 |
| 5.2.2 SSDCSU算法流程 | 第92页 |
| 5.3 实验以及讨论 | 第92-105页 |
| 5.3.1 模拟数据实验 | 第92-104页 |
| 5.3.2 真实数据实验结果 | 第104-105页 |
| 5.4 小结 | 第105-106页 |
| 第6章 一种高光谱图像解混的端元初始化方法 | 第106-121页 |
| 6.1 引言 | 第106页 |
| 6.2 一种新的端元初始化方法 | 第106-107页 |
| 6.3 本章知识背景 | 第107-108页 |
| 6.3.1 NMFupk | 第107-108页 |
| 6.3.2 基于非负矩阵分解的高光谱图像解混 | 第108页 |
| 6.4 端元初始化方法 | 第108-111页 |
| 6.5 实验结果分析 | 第111-120页 |
| 6.5.1 模拟数据实验 | 第111-117页 |
| 6.5.2 真实数据实验 | 第117-120页 |
| 6.6 小结 | 第120-121页 |
| 致谢 | 第121-123页 |
| 参考文献 | 第123-134页 |
| 总结与展望 | 第134-137页 |
| 附录 | 第137-138页 |
| 攻读博士学位期间发表的论文及科研成果 | 第138-139页 |
| 攻读博士学位期间参加的科研项目 | 第139页 |
