| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-26页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 高光谱混合模型 | 第12-15页 |
| 1.2.1 光谱解混的基本概念 | 第12-13页 |
| 1.2.2 高光谱线性混合模型 | 第13-14页 |
| 1.2.3 高光谱非线性混合模型 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-22页 |
| 1.3.1 高光谱的线性解混 | 第15-19页 |
| 1.3.2 高光谱的非线性解混 | 第19-21页 |
| 1.3.3 盲源解混 | 第21-22页 |
| 1.4 实验使用的数据库 | 第22-24页 |
| 1.5 本文研究内容 | 第24-26页 |
| 2 自编码器及其衍生模型 | 第26-38页 |
| 2.1 深度学习的概述 | 第26-27页 |
| 2.2 基本的自编码器 | 第27-30页 |
| 2.3 自编码器的衍生模型 | 第30-37页 |
| 2.3.1 稀疏自编码器(Sparse Autoencoders, SAEs) | 第30-32页 |
| 2.3.2 去噪自编码器(Denoising Autoencoders, DAEs) | 第32-33页 |
| 2.3.3 收缩自编码器(Contrative Autoencoders) | 第33-35页 |
| 2.3.4 栈式自编码器(Stacked Autoencoders) | 第35-37页 |
| 2.4 本章小结 | 第37-38页 |
| 3 基于NNSAE-BP的高光谱解混方法的研究 | 第38-58页 |
| 3.1 非负稀疏自编码器 | 第38-43页 |
| 3.1.1 非负稀疏自编码器的引入 | 第38-39页 |
| 3.1.2 非负稀疏自编码器模型 | 第39-43页 |
| 3.2 基于NNSAE-BP的高光谱解混方法 | 第43-48页 |
| 3.2.1 NNSAE-BP光谱解混模型的提出 | 第43-46页 |
| 3.2.2 NNSAE-BP光谱解混模型的构建 | 第46-48页 |
| 3.3 实验结果与分析 | 第48-56页 |
| 3.3.1 基于Otsu的隐含层节点自适应选取的方法 | 第48-51页 |
| 3.3.2 NNSAE-BP网络架构和参数设置 | 第51-52页 |
| 3.3.3 实验结果 | 第52-56页 |
| 3.4 本章小结 | 第56-58页 |
| 4 基于SSC-rNMF的高光谱解混方法的研究 | 第58-84页 |
| 4.1 基于非负矩阵分解的高光谱解混 | 第58-65页 |
| 4.1.1 基本的非负矩阵分解 | 第58-60页 |
| 4.1.2 非负矩阵分解的衍生模型 | 第60-62页 |
| 4.1.3 非负矩阵分解在高光谱解混中的应用 | 第62-65页 |
| 4.2 鲁棒非负矩阵分解 | 第65-68页 |
| 4.3 基于SSC-rNMF的高光谱解混方法 | 第68-72页 |
| 4.3.1 SSC-rNMF算法的提出 | 第68-70页 |
| 4.3.2 SSC-rNMF算法的实现 | 第70-72页 |
| 4.4 实验结果与分析 | 第72-83页 |
| 4.4.1 实验参数的设置 | 第72页 |
| 4.4.2 实验结果 | 第72-83页 |
| 4.5 本章小结 | 第83-84页 |
| 5 总结与展望 | 第84-86页 |
| 5.1 工作总结 | 第84-85页 |
| 5.2 工作展望 | 第85-86页 |
| 参考文献 | 第86-95页 |
| 致谢 | 第95-96页 |
| 攻读学位期间科研成果 | 第96页 |
