| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究目的和意义 | 第13-16页 |
| 1.3 研究现状 | 第16-20页 |
| 1.4 本文的主要研究内容 | 第20-23页 |
| 2 基于超像素分割和低秩矩阵分解的高光谱去噪算法研究 | 第23-44页 |
| 2.1 引言 | 第23-24页 |
| 2.2 基于超像素分割和低秩矩阵分解的去噪算法 | 第24-30页 |
| 2.3 实验结果与分析 | 第30-42页 |
| 2.4 本章小结 | 第42-44页 |
| 3 基于边界投影最优梯度的高光谱非线性解混算法研究 | 第44-61页 |
| 3.1 引言 | 第44-45页 |
| 3.2 基于边界投影最优梯度的解混算法 | 第45-50页 |
| 3.3 实验结果与分析 | 第50-59页 |
| 3.4 本章小结 | 第59-61页 |
| 4 基于噪声估计的高光谱图像稀疏解混方法研究 | 第61-83页 |
| 4.1 引言 | 第61-63页 |
| 4.2 基于噪声估计的高光谱图像稀疏解混方法 | 第63-70页 |
| 4.3 实验结果与分析 | 第70-82页 |
| 4.4 本章小结 | 第82-83页 |
| 5 基于鲁棒稀疏表示的高光谱图像分类算法研究 | 第83-93页 |
| 5.1 引言 | 第83-84页 |
| 5.2 基于鲁棒稀疏表示的高光谱图像分类算法 | 第84-87页 |
| 5.3 实验结果与分析 | 第87-92页 |
| 5.4 本章小结 | 第92-93页 |
| 6 基于空间滤波和l_(2,1)范数的高光谱图像分类算法研究 | 第93-113页 |
| 6.1 引言 | 第93-94页 |
| 6.2 基于空间滤波和?_(2,1)范数的分类算法 | 第94-100页 |
| 6.3 实验结果与分析 | 第100-111页 |
| 6.4 本章小结 | 第111-113页 |
| 7 总结与展望 | 第113-117页 |
| 7.1 全文总结 | 第113-115页 |
| 7.2 对未来工作的展望 | 第115-117页 |
| 致谢 | 第117-119页 |
| 参考文献 | 第119-137页 |
| 附录1 攻读博士学位期间公开发表的学位论文 | 第137-139页 |
| 附录2 攻读博士学位期间参与的项目 | 第139页 |
