首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

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

论文共115页,点击 下载论文
上一篇:随机森林及其在遥感影像处理中应用研究
下一篇:并联六维运动重载动态模拟器机构设计与性能研究