基于主题模型的高空间分辨率遥感影像分类研究
摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第一章 绪论 | 第9-20页 |
·研究背景与意义 | 第9-11页 |
·高分辨率遥感影像描述与分类研究现状 | 第11-15页 |
·高分辨率遥感影像对象描述与表达研究现状 | 第12页 |
·面向对象的高分辨率遥感影像分类现状 | 第12-14页 |
·主题模型在遥感影像处理中的研究现状 | 第14-15页 |
·本文的创新和内容安排 | 第15-20页 |
·问题提出与研究目的 | 第16-17页 |
·本文的内容与创新 | 第17-18页 |
·论文结构 | 第18-20页 |
第二章 主题模型及其应用研究现状 | 第20-36页 |
·概述 | 第20-21页 |
·图像词包表示的概述 | 第21-23页 |
·词包模型 | 第21-22页 |
·词包模型在图像中的应用 | 第22-23页 |
·主题模型的进展与常见的主题模型 | 第23-27页 |
·pLSA 模型 | 第25-26页 |
·LDA 模型 | 第26-27页 |
·模型求解 | 第27-34页 |
·变分推理 | 第29-31页 |
·采样近似推理 | 第31-34页 |
·主题模型在计算机视觉中的主要应用 | 第34-35页 |
·特征降维 | 第34页 |
·图像分类 | 第34-35页 |
·本章小结 | 第35-36页 |
第三章 基于词包模型的遥感影像对象表达 | 第36-59页 |
·概述 | 第36-39页 |
·图像特征表示方法概述 | 第36-38页 |
·词包模型研究概述 | 第38-39页 |
·图像词包表示的构造 | 第39-42页 |
·图像块检测 | 第40页 |
·图像块低层视觉特征提取 | 第40-41页 |
·视觉单词构造 | 第41-42页 |
·视觉单词表示 | 第42页 |
·词包模型的歧义性分析 | 第42-44页 |
·歧义性来源 | 第42-43页 |
·图像块量化不确定性与虚拟视觉单词 | 第43-44页 |
·多尺度词包模型 | 第44-48页 |
·视觉单词的空间与尺度关系 | 第44-46页 |
·模型原理 | 第46-48页 |
·模型分析 | 第48页 |
·实验分析与讨论 | 第48-58页 |
·基于BOW 的监督分类 | 第49页 |
·实验数据 | 第49-51页 |
·虚拟视觉单词分析 | 第51页 |
·参数分析 | 第51-54页 |
·多尺度词包模型分析 | 第54-58页 |
·本章小结 | 第58-59页 |
第四章 基于层次主题模型的遥感影像层次聚类 | 第59-78页 |
·概述 | 第59-61页 |
·层次主题模型 | 第61-64页 |
·模型原理 | 第61-64页 |
·模型评价方法 | 第64页 |
·基于多尺度词包表示的层次主题模型 | 第64-67页 |
·尺度问题 | 第65-66页 |
·模型实现 | 第66-67页 |
·实验分析与讨论 | 第67-77页 |
·实验数据 | 第67-69页 |
·层次主题构造 | 第69-70页 |
·性能评价 | 第70-71页 |
·参数分析 | 第71-73页 |
·模型比较与讨论 | 第73-75页 |
·多地类遥感影像的层次聚类 | 第75-77页 |
·本章小结 | 第77-78页 |
第五章 基于半监督主题模型的遥感影像分类算法 | 第78-99页 |
·概述 | 第78-80页 |
·多条件学习 | 第80-81页 |
·半监督主题模型 | 第81-90页 |
·监督主题模型 | 第81-83页 |
·模型原理 | 第83页 |
·模型推导与算法 | 第83-89页 |
·分类预测 | 第89-90页 |
·实验分析与讨论 | 第90-98页 |
·实验数据 | 第90-91页 |
·模型设置 | 第91-92页 |
·参数评价 | 第92-95页 |
·半监督分类结果 | 第95-96页 |
·其它数据集的分类精度 | 第96-97页 |
·计算复杂度分析 | 第97-98页 |
·本章小结 | 第98-99页 |
第六章 结论与展望 | 第99-101页 |
·结论 | 第99-100页 |
·研究展望 | 第100-101页 |
参考文献 | 第101-110页 |
致谢 | 第110-112页 |
攻读博士学位期间已发表或录用的文章 | 第112-113页 |
攻读博士学位期间参与的科研项目 | 第113-115页 |