| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 高光谱的研究背景 | 第15-16页 |
| 1.2 高光谱遥感技术的主要研究方向 | 第16-17页 |
| 1.3 论文的研究内容和组织结构 | 第17-19页 |
| 第二章 高光谱图像分类的理论研究 | 第19-27页 |
| 2.1 高光谱图像在分类方面的问题 | 第19页 |
| 2.2 高光谱图像分类的研究现状 | 第19-22页 |
| 2.3 高光谱图像数据光谱降维方法 | 第22-24页 |
| 2.3.1 主成分分析方法 | 第22-23页 |
| 2.3.2 最大噪声分离变换 | 第23-24页 |
| 2.4 图像分类器 | 第24页 |
| 2.5 高光谱图像分类结果的评价指标 | 第24-27页 |
| 第三章 基于非局部均值滤波的高光谱图像空谱联合分类 | 第27-41页 |
| 3.1 二维非局部均值滤波器 | 第28页 |
| 3.2 皮尔逊相关系数 | 第28-29页 |
| 3.3 基于皮尔逊相关系数的非局部均值滤波器的构造 | 第29-30页 |
| 3.4 基于皮尔逊相关系数的非局部均值滤波器的有效性的验证 | 第30-34页 |
| 3.5 基于非局部均值滤波的高光谱图像空谱联合分类(PCC-NAF-MNF) | 第34-40页 |
| 3.5.1 本章算法步骤 | 第34页 |
| 3.5.2 实验结果与分析 | 第34-40页 |
| 3.6 本章总结 | 第40-41页 |
| 第四章 基于导向滤波的扩展形态学分类方法 | 第41-57页 |
| 4.1 扩展形态学方法(EMP) | 第41-43页 |
| 4.1.1 形态学方法 | 第41-42页 |
| 4.1.2 扩展形态学方法 | 第42-43页 |
| 4.2 导向滤波器 | 第43-45页 |
| 4.2.1 导向滤波器的定义 | 第43-45页 |
| 4.3 基于导向滤波的扩展形态学分类方法 | 第45-46页 |
| 4.4 本章算法步骤及算法原理图 | 第46-47页 |
| 4.4.1 本章算法步骤 | 第46页 |
| 4.4.2 算法原理图 | 第46-47页 |
| 4.5 实验结果与分析 | 第47-54页 |
| 4.6 本章总结 | 第54-57页 |
| 第五章 结合多尺度空间特征和深度网络的高光谱图像分类 | 第57-77页 |
| 5.1 深度自编码器 | 第57-60页 |
| 5.1.1 反向传播算法 | 第57-59页 |
| 5.1.2 自编码器 | 第59-60页 |
| 5.1.3 深度自编码器 | 第60页 |
| 5.2 尺度空间 | 第60-61页 |
| 5.3 方向波变换(Directionlet Transform) | 第61-63页 |
| 5.3.1 将图像分成不同的陪集 | 第61-62页 |
| 5.3.2 斜各向异性小波变换 | 第62-63页 |
| 5.4 结合多尺度空间特征和深度网络的高光谱图像分类方法 | 第63-66页 |
| 5.4.1 深度网络提取光谱特征 | 第63-64页 |
| 5.4.2 线性多尺度空间特征 | 第64-65页 |
| 5.4.3 非线性多尺度空间特征 | 第65页 |
| 5.4.4 本章算法步骤 | 第65-66页 |
| 5.4.5 算法原理图 | 第66页 |
| 5.5 实验结果与分析 | 第66-74页 |
| 5.6 本章总结 | 第74-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 作者简介 | 第87-88页 |
