高光谱图像线性模型混合像元分解的算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 课题研究的背景和目的意义 | 第15-16页 |
| 1.2 混合像元问题 | 第16-20页 |
| 1.2.1 高光谱图像的特点 | 第16-18页 |
| 1.2.2 混合像元产生机理 | 第18-20页 |
| 1.3 国内外研究现状及分析 | 第20-27页 |
| 1.3.1 端元提取算法研究现状 | 第21-23页 |
| 1.3.2 丰度估计算法研究现状 | 第23-24页 |
| 1.3.3 同时获得端元和丰度算法研究现状 | 第24-27页 |
| 1.4 论文的主要研究内容 | 第27-29页 |
| 第2章 基于广义形态学的端元提取算法 | 第29-53页 |
| 2.1 端元数目估计方法 | 第29-31页 |
| 2.1.1 主成分分析法 | 第29-30页 |
| 2.1.2 虚拟维度方法 | 第30页 |
| 2.1.3 最小误差方法 | 第30-31页 |
| 2.1.4 几何学方法 | 第31页 |
| 2.2 常用端元提取算法 | 第31-37页 |
| 2.2.1 自动形态学算法 | 第32-34页 |
| 2.2.2 顶点成分分析算法 | 第34-36页 |
| 2.2.3 单形体生长算法 | 第36-37页 |
| 2.2.4 递归几何单形体增长算法 | 第37页 |
| 2.3 广义形态学端元提取算法 | 第37-40页 |
| 2.3.1 算法原理 | 第38-39页 |
| 2.3.2 算法流程 | 第39-40页 |
| 2.4 实验分析 | 第40-51页 |
| 2.4.1 评价指标 | 第40-41页 |
| 2.4.2 模拟数据实验 | 第41-45页 |
| 2.4.3 真实数据实验 | 第45-51页 |
| 2.5 本章小结 | 第51-53页 |
| 第3章 基于正交化的成组端元提取算法 | 第53-73页 |
| 3.1 自动目标生成算法 | 第53-54页 |
| 3.2 内部最大体积算法 | 第54-55页 |
| 3.3 正交化成组端元提取算法 | 第55-60页 |
| 3.3.1 算法原理 | 第55-59页 |
| 3.3.2 算法流程 | 第59-60页 |
| 3.4 实验分析 | 第60-72页 |
| 3.4.1 评价指标 | 第60页 |
| 3.4.2 模拟数据实验 | 第60-64页 |
| 3.4.3 真实数据实验 | 第64-72页 |
| 3.5 本章小结 | 第72-73页 |
| 第4章 基于正交基的丰度估计算法 | 第73-87页 |
| 4.1 常用无约束丰度估计算法 | 第73-76页 |
| 4.1.1 无约束最小二乘算法 | 第73-74页 |
| 4.1.2 正交子空间投影算法 | 第74页 |
| 4.1.3 单形体体积算法 | 第74-75页 |
| 4.1.4 正交向量投影算法 | 第75-76页 |
| 4.2 正交基丰度估计算法 | 第76-79页 |
| 4.2.1 算法原理 | 第76-78页 |
| 4.2.2 算法流程 | 第78-79页 |
| 4.3 算法之间关系及复杂度分析 | 第79-81页 |
| 4.3.1 算法一致性 | 第79-80页 |
| 4.3.2 计算复杂度 | 第80-81页 |
| 4.4 实验分析 | 第81-86页 |
| 4.4.1 模拟数据实验 | 第81-84页 |
| 4.4.2 真实数据实验 | 第84-86页 |
| 4.5 本章小结 | 第86-87页 |
| 第5章 基于端元约束非负矩阵分解的解混算法 | 第87-102页 |
| 5.1 最小体积约束非负矩阵分解算法 | 第87-89页 |
| 5.2 端元约束非负矩阵分解算法 | 第89-91页 |
| 5.2.1 算法原理 | 第89-91页 |
| 5.2.2 算法流程 | 第91页 |
| 5.3 实验分析 | 第91-101页 |
| 5.3.1 评价指标 | 第92页 |
| 5.3.2 模拟数据实验 | 第92-95页 |
| 5.3.3 真实数据实验 | 第95-101页 |
| 5.4 本章小结 | 第101-102页 |
| 结论 | 第102-104页 |
| 参考文献 | 第104-114页 |
| 攻读博士学位期间发表的学术论文 | 第114-115页 |
| 致谢 | 第115页 |
