| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第14-28页 |
| §1.1 高光谱成像探测简介 | 第14-16页 |
| §1.2 高光谱军事应用 | 第16-20页 |
| §1.2.1 机载侦察 | 第16-18页 |
| §1.2.2 天基侦察 | 第18-19页 |
| §1.2.3 有关的应用处理软件 | 第19-20页 |
| §1.3 高光谱图像异常检测 | 第20-25页 |
| §1.4 本文主要研究内容 | 第25-27页 |
| §1.5 数据源说明 | 第27-28页 |
| 第二章 成像机理与图像波谱变化性分析 | 第28-47页 |
| §2.1 引言 | 第28页 |
| §2.2 高光谱图像成像机理 | 第28-37页 |
| §2.2.1 物质的反射和辐射 | 第28-30页 |
| §2.2.2 大气中光路模型和大气的影响 | 第30-32页 |
| §2.2.3 传感器模型 | 第32-34页 |
| §2.2.4 综合光路模型 | 第34页 |
| §2.2.5 光谱混合 | 第34-37页 |
| §2.3 波谱变化的统计特性分析 | 第37-46页 |
| §2.3.1 光谱谱线的变化性 | 第37-40页 |
| §2.3.2 单波段图像统计特性 | 第40-44页 |
| §2.3.3 多波段图像联合统计特性 | 第44-45页 |
| §2.3.4 波段图像的信噪比 | 第45-46页 |
| §2.4 本章小结 | 第46-47页 |
| 第三章 基于转动惯量分析的纯点模型异常检测方法 | 第47-64页 |
| §3.1 引言 | 第47页 |
| §3.2 纯点模型和似然比检测算法 | 第47-51页 |
| §3.1.1 纯点模型的数学形式 | 第47-48页 |
| §3.1.2 设计似然比检测算子 | 第48-50页 |
| §3.1.3 先验信息与后验信息 | 第50-51页 |
| §3.1.4 形态学滤波 | 第51页 |
| §3.3 RX异常检测算法 | 第51-52页 |
| §3.4 基于转动惯量分析的异常检测算法 | 第52-58页 |
| §3.4.1 基于干扰模型的似然比检测算子 | 第52-55页 |
| §3.4.2 利用转动惯量分析提取后验信息 | 第55-58页 |
| §3.5 实验结果与性能分析 | 第58-63页 |
| §3.5.1 RX算法结果分析 | 第58-59页 |
| §3.5.2 基于转动惯量分析的异常检测算法 | 第59-61页 |
| §3.5.3 两种算法的性能比较与评估 | 第61-63页 |
| §3.6 本章小结 | 第63-64页 |
| 第四章 线性混合模型与几何端元提取技术 | 第64-90页 |
| §4.1 引言 | 第64页 |
| §4.2 线性混合模型和端元描述 | 第64-69页 |
| §4.2.1 模型的数学表达 | 第65-66页 |
| §4.2.2 模型未知参数的估计 | 第66-68页 |
| §4.2.3 端元的进一步描述 | 第68-69页 |
| §4.3 几何端元提取方法 | 第69-76页 |
| §4.3.1 几何端元提取方法以及改进的IEA算法 | 第69-73页 |
| §4.3.2 几何端元数目的确定 | 第73-76页 |
| §4.3.3 几何端元提取算法的评估方法 | 第76页 |
| §4.4 实验结果与算法性能分析 | 第76-89页 |
| §4.4.1 仿真数据试验 | 第76-81页 |
| §4.4.2 真实数据试验 | 第81-89页 |
| §4.5 本章小结 | 第89-90页 |
| 第五章 基于信息处理和匹配滤波的异常检测方法 | 第90-117页 |
| §5.1 引言 | 第90页 |
| §5.2 对线性混合模型的两种描述方式 | 第90-91页 |
| §5.3 基于统计方式的异常检测算法 | 第91-95页 |
| §5.3.1 分离背景与异常的线性混合模型 | 第92-93页 |
| §5.3.2 AMSD算法 | 第93-95页 |
| §5.4 基于IPMF的异常检测算法 | 第95-102页 |
| §5.4.1 IPMF算子结构 | 第95-96页 |
| §5.4.2 基于正交子空间投影的算法 | 第96-100页 |
| §5.4.3 低概率检测算法 | 第100-101页 |
| §5.4.4 基于特征层融合的低概率检测算法 | 第101-102页 |
| §5.5 实验结果与算法性能分析 | 第102-116页 |
| §5.5.1 仿真实验结果与分析 | 第102-105页 |
| §5.5.2 实际数据实验结果与分析 | 第105-113页 |
| §5.5.3 混合模型异常检测算法之间的性能分析 | 第113-114页 |
| §5.5.4 纯点模型和混合模型算法之间的性能比较 | 第114-116页 |
| §5.6 本章小结 | 第116-117页 |
| 第六章 基于超平面的异常检测方法 | 第117-131页 |
| §6.1 引言 | 第117页 |
| §6.2 高光谱数据的空间分布特性分析 | 第117-122页 |
| §6.2.1 高维数据特性 | 第118-119页 |
| §6.2.2 实际数据的散点图分析 | 第119-122页 |
| §6.3 线性混合模型与超平面的关系 | 第122-123页 |
| §6.3.1 线性混合模型与超平面 | 第122-123页 |
| §6.3.2 本征维数与超平面维数 | 第123页 |
| §6.4 基于点到超平面距离的检测算法 | 第123-126页 |
| §6.4.1 基于矩阵广义逆的方法 | 第123-125页 |
| §6.4.2 算子的几何意义 | 第125-126页 |
| §6.5 实验结果分析和性能评估 | 第126-130页 |
| §6.5.1 实验结果分析 | 第126-130页 |
| §6.5.2 算法性能评估 | 第130页 |
| §6.6 本章小结 | 第130-131页 |
| 第七章 结束语 | 第131-134页 |
| §7.1 论文的主要研究成果及创新点 | 第131-132页 |
| §7.2 进一步的研究方向 | 第132-134页 |
| 附录A | 第134-138页 |
| 附录B | 第138-140页 |
| 致谢 | 第140-141页 |
| 参考文献 | 第141-150页 |
| 作者在攻博期间完成的主要论文 | 第150页 |