| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 传统分类方法 | 第15页 |
| 1.2.2 基于稀疏表示的分类 | 第15-16页 |
| 1.3 本文的研究内容及结构安排 | 第16-18页 |
| 第2章 稀疏表示理论及评价指标 | 第18-27页 |
| 2.1 稀疏表示模型理论 | 第18-21页 |
| 2.1.1 稀疏表示基本概念 | 第18-19页 |
| 2.1.2 基于稀疏理论的分类模型 | 第19-20页 |
| 2.1.3 基于稀疏分类模型的分类器 | 第20-21页 |
| 2.2 基于稀疏模型的重构算法 | 第21-24页 |
| 2.2.1 MatchingPursuit算法 | 第21-23页 |
| 2.2.2 基于MP算法的OrthogonalMP算法 | 第23-24页 |
| 2.3 论文所使用的评价指标 | 第24-26页 |
| 2.3.1 随机游走算法评价指标 | 第24-25页 |
| 2.3.2 分类算法评价指标 | 第25-26页 |
| 2.4 小结 | 第26-27页 |
| 第3章 基于随机游走的KSOMP分类 | 第27-41页 |
| 3.1 稀疏表达在核空间的分类模型简介 | 第27-30页 |
| 3.2 基于随机游走的KSOMP分类算法 | 第30-33页 |
| 3.2.1 随机游走算法 | 第30-31页 |
| 3.2.2 基于光谱信息的RW-KSOMP算法 | 第31-32页 |
| 3.2.3 基于光谱信息和空间信息的RW-KSOMP算法 | 第32-33页 |
| 3.3 实验结果评价 | 第33-40页 |
| 3.3.1 随机游走结果评价 | 第34-35页 |
| 3.3.2 分类算法结果评价 | 第35-38页 |
| 3.3.3 参数分析 | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 第4章 高光谱图像分类软件实现 | 第41-49页 |
| 4.1 基于SVM及KSOMP算法的分类软件 | 第41-44页 |
| 4.1.1 系统结构 | 第41-42页 |
| 4.1.2 系统主要流程图 | 第42页 |
| 4.1.3 软件用户界面 | 第42-43页 |
| 4.1.4 该软件在实际中的应用 | 第43-44页 |
| 4.2 基于RW-KSOMP1与RW-KSOMP2的图像分类软件 | 第44-48页 |
| 4.2.1 系统结构 | 第44-45页 |
| 4.2.2 系统主要流程图 | 第45-46页 |
| 4.2.3 软件用户界面 | 第46-47页 |
| 4.2.4 该软件在实际中的应用 | 第47-48页 |
| 4.3 小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
