| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究目的和意义 | 第11-12页 |
| ·国内外研究现状及分析 | 第12-16页 |
| ·流形学习的产生、发展及分析 | 第12-15页 |
| ·流形学习在遥感图像上应用的国内外现状 | 第15-16页 |
| ·主要研究内容和技术路线 | 第16-18页 |
| ·主要内容 | 第16页 |
| ·技术路线 | 第16-18页 |
| 第二章 基于流形学习的降维算法原理 | 第18-26页 |
| ·全局保持流形学习算法 | 第18-22页 |
| ·主成分分析 | 第18-20页 |
| ·线性判别分析法 | 第20-22页 |
| ·局部保持流形学习算法 | 第22-24页 |
| ·组合全局和局部保持降维方法 | 第24-26页 |
| ·保持全局特征 | 第24页 |
| ·增加局部特征 | 第24-26页 |
| 第三章 OMSI-I 航空高光谱图像的降维及分类验证 | 第26-55页 |
| ·OMIS-I 航空高光谱遥感图像的降维 | 第26-33页 |
| ·OMIS-I 数据的 PCA 降维 | 第27-28页 |
| ·OMIS-I 数据的 LDA 降维 | 第28-30页 |
| ·OMIS-I 数据的 LPP 降维 | 第30-31页 |
| ·OMIS-I 数据的 LDA-LPP 降维 | 第31-33页 |
| ·OMIS-I 航空高光谱图像特征子集分类 | 第33-55页 |
| ·支持向量机的算法原理 | 第33-36页 |
| ·OMIS-I 数据的 PCA 特征子集分类及评价 | 第36-41页 |
| ·OMIS-I 数据的 LDA 特征子集分类及评价 | 第41-45页 |
| ·OMIS-I 数据的 LPP 特征子集分类及评价 | 第45-49页 |
| ·OMIS-I 数据的 LDA-LPP 特征子集分类及评价 | 第49-53页 |
| ·PCA、LDA、LPP 与 LDA-LPP 的关系及实验结果分析 | 第53-55页 |
| ·PCA、LDA、LPP 和 LDA-LPP 的关系 | 第53-54页 |
| ·PCA、LDA、LPP 和 LDA-LPP 实验结果分析比较 | 第54-55页 |
| 第四章 Hyperion 高光谱遥感图像降维及分类验证 | 第55-84页 |
| ·Hyperion 高光谱数据预处理 | 第55-56页 |
| ·Hyperion 传感器的介绍 | 第55页 |
| ·Hyperion 数据的简介 | 第55-56页 |
| ·高光谱数据的预处理流程 | 第56页 |
| ·Hyperion 数据阴影检测与去除技术 | 第56-65页 |
| ·基于色彩空间变换的高光谱数据阴影检测技术 | 第57-62页 |
| ·色彩空间的转换 | 第59页 |
| ·暗区的提取 | 第59-61页 |
| ·噪声的去除 | 第61-62页 |
| ·阴影去除技术 | 第62-65页 |
| ·阴影预处理阶段 | 第63页 |
| ·阴影去除阶段 | 第63-64页 |
| ·后处理阶段 | 第64-65页 |
| ·Hyperion 高光谱数据的降维 | 第65-71页 |
| ·Hyperion 数据的 PCA 降维 | 第65-66页 |
| ·Hyperion 数据的 LDA 降维 | 第66-68页 |
| ·Hyperion 数据的 LPP 降维 | 第68-69页 |
| ·Hyperion 数据的 LDA-LPP 降维 | 第69-71页 |
| ·Hyperion 数据特征子集的分类 | 第71-82页 |
| ·Hyperion 数据的 PCA 特征子集分类及评价 | 第72-75页 |
| ·Hyperion 数据的 LDA 特征子集分类及评价 | 第75-77页 |
| ·Hyperion 数据的 LPP 特征子集分类及评价 | 第77-80页 |
| ·Hyperion 数据的 LDA-LPP 特征子集分类及评价 | 第80-82页 |
| ·Hyperion 数据各种特征集分类效果的比较 | 第82-84页 |
| 第五章 结论和展望 | 第84-86页 |
| ·结论 | 第84页 |
| ·展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 硕期间取得的研究成果 | 第93-94页 |
