| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的背景与意义 | 第10-11页 |
| ·高光谱遥感技术的发展现状 | 第11-12页 |
| ·高光谱图像分类的研究现状 | 第12-15页 |
| ·非监督分类 | 第12-13页 |
| ·监督分类 | 第13-14页 |
| ·基于SVM的图像分类方法存在的问题 | 第14-15页 |
| ·本文的内容安排 | 第15-17页 |
| 第2章 高光谱图像SVM分类理论与方法 | 第17-24页 |
| ·支持向量机分类原理 | 第17-18页 |
| ·SVM组合核函数构造 | 第18页 |
| ·分类结果评价指标 | 第18-19页 |
| ·论文软件工具与试验数据 | 第19-24页 |
| ·论文采用的软件 | 第19-20页 |
| ·实验数据 | 第20-24页 |
| 第3章 基于纹理信息提取的高光谱图像组合核支持向量机分类 | 第24-36页 |
| ·纹理提取算法 | 第24-32页 |
| ·直方图分析法 | 第24-25页 |
| ·自相关函数法口 | 第25页 |
| ·边界频率法 | 第25-26页 |
| ·灰度共生矩阵法 | 第26-28页 |
| ·各种纹理提取算法实验比较分析 | 第28-32页 |
| ·纹理信息与光谱信息结合的SVM分类算法 | 第32-36页 |
| ·算法介绍 | 第32-33页 |
| ·仿真实验与分析 | 第33-36页 |
| 第4章 基于图像分割的高光谱图像分类算法 | 第36-56页 |
| ·基于分水岭图像分割的分类算法 | 第36-44页 |
| ·算法介绍 | 第36-40页 |
| ·仿真实验与分析 | 第40-44页 |
| ·基于K均值聚类图像分割的分类算法 | 第44-48页 |
| ·算法介绍 | 第44-45页 |
| ·仿真实验与分析 | 第45-48页 |
| ·MSF图像分类算法 | 第48-56页 |
| ·标记点自动选择的MSF图像分类算法原理 | 第48-51页 |
| ·标记点随机选择的MSF图像分类算法原理 | 第51页 |
| ·仿真实验与分析 | 第51-56页 |
| 第5章 结合像素邻域信息的高光谱图像迭代分类算法 | 第56-66页 |
| ·算法原理 | 第56-60页 |
| ·最佳波段选择 | 第56-58页 |
| ·空间邻域信息提取 | 第58页 |
| ·迭代结果选择 | 第58-60页 |
| ·仿真实验与分析 | 第60-65页 |
| ·结束语 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·本文所做工作总结 | 第66-67页 |
| ·进一步研究方向 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |