基于数据源优化的高光谱图像异常检测算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·成像遥感技术概述及其发展现状 | 第10-15页 |
| ·遥感技术概述 | 第10-11页 |
| ·高光谱遥感技术概述 | 第11-13页 |
| ·国内外遥感技术的发展现状 | 第13-15页 |
| ·高光谱图像目标检测技术概述及发展现状 | 第15-17页 |
| ·统计学习理论与核方法简介 | 第17-18页 |
| ·课题研究的目的和意义 | 第18-20页 |
| ·课题研究内容及章节安排 | 第20-22页 |
| 第2章 高光谱图像异常检测及核方法理论 | 第22-41页 |
| ·高光谱遥感图像数据描述 | 第22-26页 |
| ·高光谱数据描述 | 第24-25页 |
| ·高光谱数据的特性 | 第25-26页 |
| ·高光谱图像异常检测基本理论 | 第26-36页 |
| ·异常检测定义 | 第27-29页 |
| ·异常检测算法设计的一般过程 | 第29-32页 |
| ·异常检测算法的性能分析 | 第32-34页 |
| ·高光谱图像异常检测中遇到的困难 | 第34-36页 |
| ·核方法的基本理论 | 第36-40页 |
| ·机器学习问题的模型 | 第36-37页 |
| ·核函数及其基本性质 | 第37-38页 |
| ·常用的核函数 | 第38-39页 |
| ·核方法的特点 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 基于选择性分段PCA的异常检测算法 | 第41-52页 |
| ·算法提出的缘由 | 第41-42页 |
| ·算法与原理 | 第42-47页 |
| ·自适应子空间分解(ASD)算法 | 第43页 |
| ·主成分分析(PCA)算法 | 第43-44页 |
| ·局部平均奇异度(LAS) | 第44-45页 |
| ·KRX算法 | 第45-47页 |
| ·仿真结果及其分析 | 第47-50页 |
| ·数据描述 | 第47-48页 |
| ·实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 一种背景误差累积的异常检测算法 | 第52-59页 |
| ·算法提出的缘由 | 第52页 |
| ·背景误差累积的KRX检测 | 第52-55页 |
| ·仿真结果及其分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 基于目标正交子空间投影加权的KRX算法 | 第59-70页 |
| ·算法提出的缘由 | 第59-60页 |
| ·基于目标正交子空间投影加权的KRX算法 | 第60-67页 |
| ·端元提取技术 | 第60-63页 |
| ·基于正交子空间投影加权的KRX算法 | 第63-67页 |
| ·仿真结果及其分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的文章和取得的科研成果 | 第77-78页 |
| 致谢 | 第78页 |
