热红外高光谱（TASI）数据岩性识别方法研究--以甘肃柳园花黑滩研究区为例
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 热红外数据地质应用研究现状 | 第10-11页 |
| 1.2.2 岩性识别方法现状 | 第11-12页 |
| 1.2.3 存在问题 | 第12-13页 |
| 1.3 研究内容与技术路线 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 技术路线 | 第13-15页 |
| 第2章 岩矿热红外光谱特性分析 | 第15-22页 |
| 2.1 岩矿光谱发射机理 | 第15页 |
| 2.2 常见造岩矿物发射光谱特征 | 第15-18页 |
| 2.2.1 硅酸盐矿物 | 第16-17页 |
| 2.2.2 碳酸盐矿物 | 第17-18页 |
| 2.2.3 氧化物矿物 | 第18页 |
| 2.3 岩石发射光谱特征 | 第18-22页 |
| 第3章 基于光谱匹配的岩性识别方法 | 第22-29页 |
| 3.1 建立光谱库 | 第22-24页 |
| 3.2 光谱匹配方法 | 第24-29页 |
| 3.2.1 二值编码匹配（BE） | 第24页 |
| 3.2.2 光谱角匹配（SAM） | 第24-25页 |
| 3.2.3 光谱信息散度匹配（SID） | 第25-26页 |
| 3.2.4 交叉相关光谱匹配（CCSM） | 第26页 |
| 3.2.5 光谱离散能级波形匹配法（SDEM） | 第26-29页 |
| 第4章 基于最小二乘支持向量机的岩性识别方法 | 第29-35页 |
| 4.1 最小二乘支持向量机原理 | 第29-31页 |
| 4.2 模型参数优化 | 第31-32页 |
| 4.3 多类支持向量机 | 第32-35页 |
| 4.3.1 一对多(1-v-r)编码LSSVM法 | 第32-33页 |
| 4.3.2 一对一(1-v-1)编码LSSVM法 | 第33-34页 |
| 4.3.3 纠错输入编码(ECOC)LSSVM法 | 第34-35页 |
| 第5章 基于稀疏表示的岩性识别方法 | 第35-45页 |
| 5.1 稀疏表示基本理论 | 第35-39页 |
| 5.1.1 稀疏表示模型 | 第35-36页 |
| 5.1.2 稀疏编码方法 | 第36-39页 |
| 5.2 Fisher字典学习 | 第39-42页 |
| 5.2.1 判别保真项r(A,D,X) | 第40-41页 |
| 5.2.2 稀疏系数判别约束条件f(X) | 第41-42页 |
| 5.3 核稀疏编码 | 第42-44页 |
| 5.4 残差识别器 | 第44-45页 |
| 第6章 研究区TASI数据岩性识别实验及对比分析 | 第45-70页 |
| 6.1 研究区概况 | 第45-47页 |
| 6.1.1 地理概况 | 第45-46页 |
| 6.1.2 地层 | 第46-47页 |
| 6.2 研究区数据获取与处理 | 第47-52页 |
| 6.2.1 TASI热红外高光谱数据获取 | 第47-48页 |
| 6.2.2 TASI数据预处理 | 第48-51页 |
| 6.2.3 实测光谱数据采集及处理 | 第51-52页 |
| 6.3 研究区岩性识别实验 | 第52-65页 |
| 6.3.1 光谱匹配法 | 第52-54页 |
| 6.3.2 最小二乘支持向量机法（LSSVM） | 第54-57页 |
| 6.3.3 稀疏表示法 | 第57-60页 |
| 6.3.4 实验结果对比评价 | 第60-65页 |
| 6.4 方法性能评价 | 第65-70页 |
| 6.4.1 运行效率 | 第65页 |
| 6.4.2 稳健性 | 第65-70页 |
| 第7章 结论与展望 | 第70-72页 |
| 7.1 结论 | 第70-71页 |
| 7.2 存在问题与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
