结合空间信息的高光谱遥感图像分类技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 背景简介 | 第10-14页 |
| 1.2 研究现状 | 第14-19页 |
| 1.2.1 特征提取研究现状 | 第14-16页 |
| 1.2.2 高光谱图像的分类器应用的现状 | 第16-18页 |
| 1.2.3 空谱分类方法成果 | 第18-19页 |
| 1.3 论文的研究内容和组织结构 | 第19-22页 |
| 第2章 高光谱分类的相关方法 | 第22-41页 |
| 2.1 高光谱图像降维 | 第22-24页 |
| 2.1.1 降维可行性的直观解释 | 第22页 |
| 2.1.2 主成分分析方法介绍 | 第22-24页 |
| 2.2 高光谱分类器 | 第24-32页 |
| 2.2.1 SVM理论基础 | 第24-27页 |
| 2.2.2 SVM的分类原理 | 第27-31页 |
| 2.2.3 多分类器的构造 | 第31-32页 |
| 2.3 超像素分割 | 第32-35页 |
| 2.3.1 超像素分割简介 | 第32-33页 |
| 2.3.2 SLIC超像素分割算法 | 第33-34页 |
| 2.3.3 SLICO超像素分割算法 | 第34-35页 |
| 2.4 实验数据和评价指标 | 第35-40页 |
| 2.4.1 实验数据 | 第35-39页 |
| 2.4.2 评价标准 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 自适应多种特征联合的高光谱图像分类 | 第41-57页 |
| 3.1 空间特征的提取 | 第41-44页 |
| 3.1.1 Gabor特征 | 第41-43页 |
| 3.1.2 差分形态学特征 | 第43-44页 |
| 3.2 自适应特征融合方法 | 第44-45页 |
| 3.2.1 最优差分形态学特征的自适应确定 | 第44-45页 |
| 3.2.2 特征融合方法 | 第45页 |
| 3.3 结果后处理 | 第45-46页 |
| 3.4 自适应多种特征联合的高光谱图像分类算法 | 第46-48页 |
| 3.5 实验结果与分析 | 第48-55页 |
| 3.5.1 参数分析 | 第48-49页 |
| 3.5.2 实验结果 | 第49-55页 |
| 3.6 本章小结 | 第55-57页 |
| 第4章 融合SLICO空间信息的多特征分类 | 第57-68页 |
| 4.1 特征的“平滑移动” | 第57-58页 |
| 4.2 融合SLICO空间信息的多特征分类算法 | 第58-60页 |
| 4.3 实验结果与分析 | 第60-66页 |
| 4.3.1 参数分析 | 第60-62页 |
| 4.3.2 实验结果 | 第62-66页 |
| 4.4 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76页 |
