| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 本课题研究的背景与意义 | 第10-11页 |
| 1.2 高光谱遥感技术的发展现状 | 第11-13页 |
| 1.3 高光谱图像分类的研究现状 | 第13-16页 |
| 1.3.1 特征提取 | 第14-15页 |
| 1.3.2 像素级分类 | 第15-16页 |
| 1.3.3 空谱分类 | 第16页 |
| 1.4 论文目标及结构安排 | 第16-18页 |
| 第2章 SVM 基本理论和高光谱图像分类概况 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 SVM 基本模型 | 第18-22页 |
| 2.2.1 线性可分 | 第19-20页 |
| 2.2.2 线性不可分 | 第20-21页 |
| 2.2.3 核函数与 Mercer 条件 | 第21-22页 |
| 2.3 实验数据 | 第22-24页 |
| 2.3.1 印度松(Indian Pines) | 第22-23页 |
| 2.3.2 萨利纳斯(Salinas) | 第23-24页 |
| 2.4 高光谱图像的分类精度指标 | 第24-25页 |
| 2.4.1 总分类精度和各类别分类精度 | 第24页 |
| 2.4.2 平均分类精度和 Kappa 系数 | 第24-25页 |
| 2.5 实验软件 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于 random walk 超像素分割的高光谱图像分类 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 random walk 超像素分割的原理 | 第27-30页 |
| 3.2.1 种子的选取 | 第27-28页 |
| 3.2.2 random walk 超像素分割算法 | 第28-30页 |
| 3.3 基于 random walk 超像素分割的高光谱图像分类 | 第30-33页 |
| 3.3.1 SVM 分类 | 第31页 |
| 3.3.2 random walk 超像素分割 | 第31-32页 |
| 3.3.3 多数投票 | 第32-33页 |
| 3.4 实验 | 第33-39页 |
| 3.4.1 参数分析 | 第33-35页 |
| 3.4.2 实验分析 | 第35-39页 |
| 3.5 本章总结 | 第39-40页 |
| 第4章 基于 random walk 优化的高光谱图像分类 | 第40-49页 |
| 4.1 引言 | 第40-41页 |
| 4.2 random walk 优化的原理 | 第41-42页 |
| 4.3 基于 random walk 优化的高光谱图像分类 | 第42-43页 |
| 4.4 实验 | 第43-47页 |
| 4.4.1 参数分析 | 第43-44页 |
| 4.4.2 实验分析 | 第44-47页 |
| 4.5 本章总结 | 第47-49页 |
| 第5章 软件实现 | 第49-60页 |
| 5.1 基于 random walk 超像素分割的分类软件 | 第49-54页 |
| 5.1.1 软件系统的结构 | 第49-50页 |
| 5.1.2 软件系统的主要流程 | 第50页 |
| 5.1.3 软件系统的界面与功能 | 第50-51页 |
| 5.1.4 软件系统的应用 | 第51-54页 |
| 5.2 基于 random walk 优化的分类软件 | 第54-60页 |
| 5.2.1 软件系统的结构 | 第54-55页 |
| 5.2.2 软件系统的主要流程 | 第55-56页 |
| 5.2.3 软件系统的界面与功能 | 第56-57页 |
| 5.2.4 软件系统的应用 | 第57-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第68页 |
