| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 高光谱遥感图像数据描述 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 高光谱遥感图像分类研究现状 | 第11-12页 |
| 1.3.2 深度学习在高光谱遥感图像分类方面的进展 | 第12-13页 |
| 1.4 分类评价标准及实验数据 | 第13-18页 |
| 1.4.1 高光谱遥感图像分类评价标准 | 第13-15页 |
| 1.4.2 实验数据 | 第15-18页 |
| 1.5 本文研究内容及组织结构 | 第18-20页 |
| 1.5.1 研究内容 | 第18-19页 |
| 1.5.2 组织结构 | 第19-20页 |
| 第2章 堆栈降噪自编码器算法及应用 | 第20-26页 |
| 2.1 自编码器与降噪自编码器 | 第20-22页 |
| 2.2 堆栈降噪自编码器 | 第22-23页 |
| 2.3 特征提取及重建实验结果及评价 | 第23-24页 |
| 2.4 与其他特征提取方法的比较 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 保边去噪滤波算法及应用 | 第26-33页 |
| 3.1 常见的保边去噪滤波算法 | 第26-30页 |
| 3.1.1 双边滤波 | 第26-27页 |
| 3.1.2 引导滤波 | 第27-28页 |
| 3.1.3 均值漂移滤波 | 第28-30页 |
| 3.2 实验结果 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 基于光谱信息的高光谱遥感图像分类 | 第33-40页 |
| 4.1 算法及流程设计 | 第33-34页 |
| 4.2 实验结果及分析 | 第34-39页 |
| 4.2.1 隐层节点数对分类精度的影响 | 第34-35页 |
| 4.2.2 网络深度对分类精度的影响 | 第35-36页 |
| 4.2.3 与其他分类器的比较 | 第36-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 结合光谱-空间信息的高光谱遥感图像分类 | 第40-62页 |
| 5.1 分类前结合空间信息 | 第40-50页 |
| 5.1.1 基于PCA及局部空间邻域的光谱-空间信息结合方法 | 第40-42页 |
| 5.1.2 基于波段选择及保边去噪滤波的光谱-空间信息结合方法 | 第42-44页 |
| 5.1.3 实验结果及分析 | 第44-49页 |
| 5.1.4 小结 | 第49-50页 |
| 5.2 分类后结合空间信息 | 第50-55页 |
| 5.2.1 基于堆栈降噪自编码器及滤波后处理的空间-光谱联合分类 | 第50-53页 |
| 5.2.2 实验结果及分析 | 第53-55页 |
| 5.2.3 小结 | 第55页 |
| 5.3 分类前后分别结合空间信息 | 第55-60页 |
| 5.3.1 算法及流程设计 | 第55-56页 |
| 5.3.2 实验结果及分析 | 第56-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第6章 总结和展望 | 第62-65页 |
| 6.1 本文工作总结 | 第62-63页 |
| 6.2 进一步研究方向 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第73页 |
