| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 遥感技术概述 | 第17页 |
| 1.2 遥感技术的主要应用领域 | 第17-19页 |
| 1.2.1 遥感技术在海洋环境检测的应用 | 第18页 |
| 1.2.2 遥感技术在地质勘测的应用 | 第18-19页 |
| 1.3 高光谱图像去噪和分类研究现状 | 第19-22页 |
| 1.3.1 高光谱图像去噪研究现状 | 第19-20页 |
| 1.3.2 高光谱图像分类研究现状 | 第20-22页 |
| 1.4 本文研究内容及安排 | 第22-23页 |
| 第二章 高光谱图像去噪和分类相关算法 | 第23-25页 |
| 2.1 低秩矩阵恢复LRMR | 第23页 |
| 2.2 基于低秩表达和超像素分割的去噪方法SS-LRR | 第23-24页 |
| 2.3 空间感知的字典学习SADL | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于SS-PSSV的高光谱图像去噪 | 第25-45页 |
| 3.1 超像素分割 | 第25-26页 |
| 3.2 SS-PSSV的目标函数 | 第26-27页 |
| 3.3 目标函数的优化 | 第27-28页 |
| 3.3.1 A的求解 | 第27页 |
| 3.3.2 E的求解 | 第27-28页 |
| 3.4 实验仿真 | 第28-44页 |
| 3.4.1 AVIRIS Indian Pines库的去噪实验仿真 | 第29-36页 |
| 3.4.2 ROSIS Pavia University库的去噪实验仿真 | 第36-40页 |
| 3.4.3 Botswana库的去噪实验仿真 | 第40-44页 |
| 3.5 实验结果分析 | 第44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于Euler LC-KSVD的高光谱图像分类 | 第45-67页 |
| 4.1 字典学习K-SVD和LC-KSVD | 第45-47页 |
| 4.1.1 字典学习K-SVD | 第45-46页 |
| 4.1.2 标签一致字典学习LC-KSVD | 第46-47页 |
| 4.2 ELC-KSVD的提出动机 | 第47-49页 |
| 4.3 ELC-KSVD目标函数 | 第49页 |
| 4.4 目标函数的优化 | 第49-52页 |
| 4.4.1 欧拉稀疏编码 | 第49-51页 |
| 4.4.2 ELC-KSVD的模型求解 | 第51-52页 |
| 4.5 实验仿真 | 第52-64页 |
| 4.5.1 AVIRIS Indian Pines库的分类实验仿真 | 第52-57页 |
| 4.5.2 ROSIS Pavia University库的分类实验仿真 | 第57-60页 |
| 4.5.3 KSC库的分类实验仿真 | 第60-64页 |
| 4.6 实验结果分析 | 第64-65页 |
| 4.7 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
