基于仿生智能优化的高光谱图像非线性解混方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 高光谱图像解混方法研究现状 | 第10-14页 |
| 1.2.1 基于线性混合模型的高光谱图像解混 | 第11-12页 |
| 1.2.2 基于非线性混合模型的高光谱图像解混 | 第12-14页 |
| 1.2.3 基于仿生智能优化算法的高光谱解混算法 | 第14页 |
| 1.3 主要研究内容与结构安排 | 第14-17页 |
| 第二章 高光谱图像解混的基本理论与方法 | 第17-27页 |
| 2.1 高光谱图像混合模型 | 第17-19页 |
| 2.1.1 线性混合模型 | 第17-18页 |
| 2.1.2 非线性混合模型 | 第18-19页 |
| 2.2 高光谱图像端元提取算法 | 第19-21页 |
| 2.3 高光谱图像解混算法 | 第21页 |
| 2.4 仿生智能优化算法 | 第21-25页 |
| 2.4.1 粒子群算法 | 第22-23页 |
| 2.4.2 人工蜂群算法 | 第23-24页 |
| 2.4.3 差分搜索算法 | 第24-25页 |
| 2.5 高光谱图像解混算法对比与分析 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于MLM模型的多目标高光谱图像解混方法 | 第27-39页 |
| 3.1 高阶非线性混合模型 | 第27-28页 |
| 3.1.1 PLMM混合模型 | 第27页 |
| 3.1.2 MLM混合模型 | 第27-28页 |
| 3.2 基于多目标优化的高光谱图像解混 | 第28-31页 |
| 3.2.1 多目标优化基本理论 | 第28-29页 |
| 3.2.2 多目标优化问题 | 第29-30页 |
| 3.2.3 多目标优化模型 | 第30-31页 |
| 3.3 基于DS算法的多目标高光谱图像解混算法 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于ECPM模型的高光谱图像解混方法 | 第39-53页 |
| 4.1 基于贝叶斯理论的ECPM模型 | 第39-41页 |
| 4.2 基于ECPM模型的高光谱图像解混算法 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 全文总结 | 第53-54页 |
| 5.2 课题研究展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 发表论文和参加科研情况 | 第61-63页 |
| 致谢 | 第63页 |
