高光谱数据降维及端元提取

摘要	第1-5页
ABSTRACT	第5-8页
第一章 绪论	第8-17页
·课题研究对象与背景知识	第8-9页
·国内外技术发展现状	第9-16页
·特征提取技术发展现状	第9-13页
·端元提取技术	第13-16页
·课题主要任务和论文结构	第16-17页
第二章 高光谱特征提取算法研究	第17-42页
·引言	第17页
·特征提取算法概述	第17-25页
·特征提取技术	第18-22页
·特征选择技术	第22-25页
·基于小波 PCA 的特征提取方法	第25-32页
·常用的小波基	第26-28页
·主成分分析（PCA）	第28-29页
·小波 PCA 降维	第29-30页
·实验结果分析	第30-32页
·基于投影寻踪的特征提取算法	第32-42页
·引言	第32页
·投影寻踪概述	第32-34页
·投影寻踪的原理及在高光谱数据降维中的应用	第34-35页
·常用的几种用于高光谱图像降维的投影指标	第35-37页
·优化算法	第37-42页
第三章 基于小波PCA的PPI端元提取算法	第42-53页
·引言	第42-44页
·各种端元提取算法简述	第44-50页
·像素纯度索引	第44-46页
·MEST 算法	第46页
·N-FINDR 算法	第46-48页
·迭代误差分析	第48页
·光学实时自适应光谱辨识系统	第48-49页
·自动形态光谱端元选择	第49-50页
·基于小波 PCA 的 PPI 端元提取算法	第50-53页
·算法的改进	第50页
·算法的效果比较	第50-53页
第四章 高光谱图像处理技术研究	第53-67页
·引言	第53-54页
·高光谱图像的几何校正	第54-57页
·高光谱图像镶嵌	第57-58页
·一般图像镶嵌方法	第57页
·分类后的图像镶嵌方法	第57-58页
·采样点光谱曲线的提取	第58-60页
·高光谱图像分类技术	第60-67页
·一般图像分类方法	第60-62页
·高光谱图像分类问题	第62-64页
·本文采用的图像分类方法	第64-67页
第五章 总结与展望	第67-70页
参考文献	第70-73页
致谢	第73页