| 摘要 | 第10-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-23页 |
| 1.2.1 成像光谱仪的发展简述 | 第14-17页 |
| 1.2.2 高光谱成像技术的应用 | 第17-18页 |
| 1.2.3 高光谱图像目标检测方法的划分 | 第18-20页 |
| 1.2.4 高光谱图像目标检测技术的发展现状 | 第20-23页 |
| 1.3 研究内容和章节安排 | 第23-25页 |
| 1.4 高光谱图像实验数据说明 | 第25-27页 |
| 第二章 高光谱数据集合非线性流形特性分析 | 第27-46页 |
| 2.1 引言 | 第27-28页 |
| 2.2 高光谱图像光谱变化特性和线性混合模型 | 第28-35页 |
| 2.2.1 图像光谱曲线的变化 | 第28-32页 |
| 2.2.2 光谱混合特性 | 第32-35页 |
| 2.2.3 光谱线性混合模型 | 第35页 |
| 2.3 光谱非线性混合模型 | 第35-37页 |
| 2.3.1 Hapke混合光谱理论 | 第35-36页 |
| 2.3.2 基于辐射通量密度理论的植被、土壤光谱混合模型 | 第36页 |
| 2.3.3 SAIL模型 | 第36-37页 |
| 2.4 高光谱数据的非线性流形结构分析 | 第37-45页 |
| 2.4.1 流形和高维空间几何结构 | 第37-39页 |
| 2.4.2 基于主成分分析的流形非线性特性分析 | 第39-40页 |
| 2.4.3 基于测地线距离的流形非线性特性分析 | 第40-42页 |
| 2.4.4 实验结果的分析 | 第42-45页 |
| 2.5 小结 | 第45-46页 |
| 第三章 基于光谱空间局部线性流形的异常检测算法 | 第46-70页 |
| 3.1 引言 | 第46页 |
| 3.2 非线性流形和图像异常 | 第46-48页 |
| 3.3 基于线性流形结构的典型异常检测算法 | 第48-53页 |
| 3.3.1 RX检测算法 | 第48-49页 |
| 3.3.2 CEM检测算法 | 第49-51页 |
| 3.3.3 OSP目标检测算法 | 第51-53页 |
| 3.4 基于光谱空间窗口的局部RX异常检测算法 | 第53-61页 |
| 3.4.1 场景空间窗口局部RX算法 | 第54-55页 |
| 3.4.2 光谱空间窗口局部RX(SSW-RX)算法 | 第55-56页 |
| 3.4.3 实验结果与分析 | 第56-61页 |
| 3.5 基于光谱空间窗口的局部LPAD异常检测算法 | 第61-67页 |
| 3.5.1 基于线性流形的LPAD算法 | 第62-63页 |
| 3.5.2 光谱空间窗口LPAD（SSW-LPAD）算法 | 第63-64页 |
| 3.5.3 实验结果与分析 | 第64-67页 |
| 3.6 两种光谱空间局部算法的综合分析 | 第67-69页 |
| 3.7 小结 | 第69-70页 |
| 第四章 基于非线性降维的异常检测算法 | 第70-89页 |
| 4.1 引言 | 第70页 |
| 4.2 高维度光谱数据存在的问题 | 第70-72页 |
| 4.3 高光谱图像的降维方法 | 第72-75页 |
| 4.3.1 基于特征选择进行降维 | 第72-74页 |
| 4.3.2 基于特征提取进行降维 | 第74-75页 |
| 4.4 基于流形学习的降维 | 第75-80页 |
| 4.4.1 几种重要的流形学习算法 | 第75-79页 |
| 4.4.2 非线性降维对于高光谱数据的必要性 | 第79-80页 |
| 4.5 基于改进的LLE的异常检测算法 | 第80-87页 |
| 4.5.1 LLE算法的局限性及改进算法 | 第80-82页 |
| 4.5.2 测度分辨能力实验 | 第82-83页 |
| 4.5.3 真实数据实验 | 第83-87页 |
| 4.6 小结 | 第87-89页 |
| 第五章 基于核函数的高光谱图像异常检测 | 第89-105页 |
| 5.1 引言 | 第89页 |
| 5.2 统计学习理论 | 第89-91页 |
| 5.2.1 VC维 | 第89-90页 |
| 5.2.2 推广性的界 | 第90页 |
| 5.2.3 经验风险与结构风险最小化 | 第90-91页 |
| 5.3 模式分析的核方法 | 第91-94页 |
| 5.3.1 核函数方法的基本理论 | 第92-94页 |
| 5.3.2 几种重要的核函数 | 第94页 |
| 5.4 核RX检测算法 | 第94-98页 |
| 5.5 基于背景端元提取与核RX的异常检测算法 | 第98-104页 |
| 5.5.1 基于背景端元提取与核RX的异常检测算法 | 第98-100页 |
| 5.5.2 高光谱数据仿真实验 | 第100-102页 |
| 5.5.3 真实数据实验 | 第102-104页 |
| 5.6 小结 | 第104-105页 |
| 第六章 结论与展望 | 第105-107页 |
| 6.1 本文主要研究成果 | 第105-106页 |
| 6.2 下一步工作展望 | 第106-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-122页 |
| 作者在学期间取得的学术成果 | 第122-124页 |
| 参与科研项目情况 | 第124页 |
