| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 高光谱图像分类的挑战与进展 | 第13-16页 |
| 1.2.2 基于稀疏表达的高光谱图像分类研究进展 | 第16-18页 |
| 1.3 主要研究内容 | 第18-19页 |
| 1.4 论文章节安排 | 第19-20页 |
| 第2章 相关模型及基础理论 | 第20-31页 |
| 2.1 稀疏表达与字典学习 | 第20-28页 |
| 2.1.1 稀疏表达模型 | 第20-21页 |
| 2.1.2 稀疏重构算法 | 第21-23页 |
| 2.1.3 光谱-空间特征结合的稀疏表达算法 | 第23-25页 |
| 2.1.4 字典学习算法 | 第25-28页 |
| 2.1.5 基于稀疏表达的分类算法 | 第28页 |
| 2.2 拉普拉斯特征映射 | 第28-29页 |
| 2.3 符号说明 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于字典学习的高光谱图像分类算法 | 第31-55页 |
| 3.1 引言 | 第31-32页 |
| 3.2 基于局部自适应相似性的字典学习算法ALSS | 第32-35页 |
| 3.2.1 ALSS算法的基础模型 | 第32-34页 |
| 3.2.2 ALSS算法模型 | 第34-35页 |
| 3.3 ALSS算法求解 | 第35-39页 |
| 3.4 实验数据集及评价标准 | 第39-43页 |
| 3.4.1 三种常用实验数据集简介 | 第39-41页 |
| 3.4.2 高光谱图像分类精度评价标准 | 第41-43页 |
| 3.5 实验结果与分析 | 第43-54页 |
| 3.5.1 实验设置 | 第43-44页 |
| 3.5.2 分类结果分析 | 第44-51页 |
| 3.5.3 算法参数分析 | 第51-53页 |
| 3.5.4 性能分析 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第4章 基于超像素的高光谱图像分类算法 | 第55-73页 |
| 4.1 引言 | 第55-56页 |
| 4.2 基于图论的超像素分割算法 | 第56页 |
| 4.3 高光谱图像上的超像素 | 第56-57页 |
| 4.4 基于超像素的高光谱图像分类算法ALSS-SUP | 第57-58页 |
| 4.5 基于超像素的高光谱图像分类算法ALSS-ERS | 第58-59页 |
| 4.6 实验结果与分析 | 第59-72页 |
| 4.6.1 实验设置 | 第59页 |
| 4.6.2 分类结果分析 | 第59-65页 |
| 4.6.3 算法参数分析 | 第65-69页 |
| 4.6.4 性能分析 | 第69-72页 |
| 4.7 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-82页 |
| 附录 A 发表论文和参加科研情况说明 | 第82-83页 |
| 致谢 | 第83页 |
