| 第1章 绪论 | 第1-33页 |
| 1．1 课题的背景 | 第13-20页 |
| 1．1．1 超光谱遥感原理概述 | 第14-15页 |
| 1．1．2 超光谱遥感发展概述 | 第15-17页 |
| 1．1．3 超光谱遥感与多光谱遥感的区别与联系 | 第17-20页 |
| 1．2 超光谱遥感数据简介 | 第20-23页 |
| 1．2．1 数据特点 | 第20页 |
| 1．2．2 表现形式 | 第20-22页 |
| 1．2．3 数据分布形式 | 第22-23页 |
| 1．3 超光谱遥感图像分类处理国内外研究现状 | 第23-29页 |
| 1．3．1 监督分类与非监督分类 | 第24-27页 |
| 1．3．2 参数分类与非参数分类 | 第27-28页 |
| 1．3．3 确定性分类与非确定性分类 | 第28-29页 |
| 1．3．4 其他分类方法 | 第29页 |
| 1．4 超光谱遥感国内研究现状 | 第29-31页 |
| 1．5 课题的目的与研究内容 | 第31-33页 |
| 1．5．1 课题的目的与意义 | 第31页 |
| 1．5．2 论文的主要研究内容 | 第31-33页 |
| 第2章 超光谱遥感图像的降维方法研究 | 第33-49页 |
| 2．1 引言 | 第33页 |
| 2．2 超光谱遥感图像降维研究的意义 | 第33-34页 |
| 2．3 超光谱遥感图像降维方式综述 | 第34-41页 |
| 2．3．1 利用波段选择进行降维 | 第34-36页 |
| 2．3．2 通过划分数据源进行降维 | 第36-37页 |
| 2．3．3 利用特征提取技术进行降维 | 第37-39页 |
| 2．3．4 利用融合技术进行降维 | 第39-41页 |
| 2．3．5 多种方法综合降维 | 第41页 |
| 2．4 超光谱图像的自适应波段选择降维 | 第41-48页 |
| 2．4．1 算法原理 | 第42-43页 |
| 2．4．2 实验图像 | 第43-45页 |
| 2．4．3 分类算法 | 第45-46页 |
| 2．4．5 实验结果与分析 | 第46-48页 |
| 2．5 本章小结 | 第48-49页 |
| 第3章 基于高斯低通滤波的超光谱遥感图像分类 | 第49-71页 |
| 3．1 引言 | 第49-50页 |
| 3．2 超光谱遥感图像类别可分性判定研究 | 第50-57页 |
| 3．2．1 超光谱数据样本分布的几个描述量 | 第50-52页 |
| 3．2．2 类别可分离性判据 | 第52页 |
| 3．2．3 几种常用的距离判据 | 第52-53页 |
| 3．2．4 多元正态分布下的Bhattacharyya距离 | 第53-56页 |
| 3．2．5 Bhattacharyya距离的错误率分析 | 第56-57页 |
| 3．3 低通滤波 | 第57-62页 |
| 3．3．1 高斯低通滤波原理 | 第58-59页 |
| 3．3．2 高斯低通滤波器的空域实现 | 第59-60页 |
| 3．3．3 基于高斯低通滤波的分类器设计 | 第60-62页 |
| 3．4 仿真实验 | 第62-70页 |
| 3．4．1 实验图像 | 第62-63页 |
| 3．4．2 分类结果的评价方法 | 第63-64页 |
| 3．4．3 分类实验 | 第64-70页 |
| 3．5 本章小结 | 第70-71页 |
| 第4章 基于第二代小波融合的超光谱遥感图像分类 | 第71-91页 |
| 4．1 引言 | 第71-72页 |
| 4．2 第二代小波算法 | 第72-75页 |
| 4．2．1 第二代小波基本理论 | 第73-74页 |
| 4．2．2 第二代小波的优点 | 第74-75页 |
| 4．3 一种新的第二代小波构造方法 | 第75-81页 |
| 4．3．1 算法原理 | 第75-81页 |
| 4．4 基于融合的超光谱遥感图像分类 | 第81-90页 |
| 4．4．1 最大似然算法性能分析 | 第81-82页 |
| 4．4．2 EM算法对最大似然算法参数的优化 | 第82-84页 |
| 4．4．3 分类实验与结果分析 | 第84-90页 |
| 4．5 本章小结 | 第90-91页 |
| 第5章 基于模糊聚类的超光谱遥感图像的支持向量机分类 | 第91-108页 |
| 5．1 引言 | 第91-92页 |
| 5．2 模糊集合与模糊聚类 | 第92-95页 |
| 5．2．1 模糊性和模糊子集 | 第93-94页 |
| 5．2．2 模糊关系 | 第94-95页 |
| 5．3 模式识别中的模糊集理论 | 第95-98页 |
| 5．3．1 隶属度原则和择近原则 | 第95-97页 |
| 5．3．2 模糊 C均值聚类方法 | 第97-98页 |
| 5．4 基于模糊聚类的支持向量机分类 | 第98-103页 |
| 5．4．1 线性支持向量机与最优分类面 | 第99-101页 |
| 5．4．3 非线性支持向量机 | 第101-103页 |
| 5．4．4 支持向量机的优点 | 第103页 |
| 5．5 实验仿真与结果分析 | 第103-107页 |
| 5．6 本章小结 | 第107-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-125页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第125-127页 |
| 致谢 | 第127-128页 |
| 个人简历 | 第128页 |
