| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景和意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 高光谱技术发展现状 | 第11页 |
| 1.2.2 成像技术发展现状 | 第11页 |
| 1.2.3 与高光谱相关的图像处理技术 | 第11-12页 |
| 1.2.4 高光谱图像目标探测与识别技术 | 第12-13页 |
| 1.3 主要研究内容和技术路线 | 第13-15页 |
| 1.3.1 主要内容 | 第13页 |
| 1.3.2 技术路线 | 第13-15页 |
| 第2章 高光谱遥感图像目标探测基本算法和原理 | 第15-30页 |
| 2.1 基本概念 | 第15-17页 |
| 2.1.1 高光谱遥感 | 第15-16页 |
| 2.1.2 关键技术点 | 第16页 |
| 2.1.3 关键难点问题 | 第16页 |
| 2.1.4 具体算法介绍 | 第16-17页 |
| 2.2 基于概率统计和子空间模型的目标探测算法 | 第17-19页 |
| 2.2.1 广义化似然比探测算法 | 第17页 |
| 2.2.2 约束能量最小化算法 | 第17-18页 |
| 2.2.3 自适应余弦一致性评估器算法 | 第18-19页 |
| 2.2.4 自适应匹配滤波器算法 | 第19页 |
| 2.3 将稀疏表示法融入目标探测中 | 第19-24页 |
| 2.3.1 基于稀疏表示的目标探测算法 | 第19-22页 |
| 2.3.2 基于稀疏表示的二值假设检验算法 | 第22-23页 |
| 2.3.3 基于内积的迭代重加权最小二乘算法 | 第23-24页 |
| 2.4 评价指标体系 | 第24-25页 |
| 2.4.1 主观评价标准 | 第24页 |
| 2.4.2 客观评价标准 | 第24-25页 |
| 2.5 实验数据 | 第25-28页 |
| 2.5.1 Cuprite数据 | 第25-26页 |
| 2.5.2 RIT数据 | 第26-27页 |
| 2.5.3 AVIRIS飞机数据 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 高光谱图像目标探测关键技术算法 | 第30-50页 |
| 3.1 带参考信号独立分量分析算法介绍 | 第30-32页 |
| 3.2 基于带参考信号独立分量分析的高光谱目标探测算法 | 第32-34页 |
| 3.2.1 目标探测法 | 第32-33页 |
| 3.2.2 算法流程 | 第33-34页 |
| 3.3 目标探测实验验证 | 第34-49页 |
| 3.3.1 具体数据 | 第35-42页 |
| 3.3.2 实际数据实验 | 第42-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于空谱字典学习的高光谱目标探测算法 | 第50-68页 |
| 4.1 空谱字典学习算法介绍 | 第50-53页 |
| 4.1.1 字典学习算法 | 第50-51页 |
| 4.1.2 空谱字典学习算法 | 第51-53页 |
| 4.2 基于空谱字典学习的高光谱目标探测算法 | 第53-56页 |
| 4.3 实验结果与分析 | 第56-67页 |
| 4.3.1 AVIRIS飞机数据实验 | 第56-62页 |
| 4.3.2 RIT数据实验 | 第62-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 端元提取技术在高光谱图像目标探测算法中的应用 | 第68-82页 |
| 5.1 端元提取算法介绍 | 第68-69页 |
| 5.1.1 顶点成分分析算法 | 第68页 |
| 5.1.2 N- FINDR算法 | 第68-69页 |
| 5.1.3 单形体生长算法 | 第69页 |
| 5.1.4 正交基算法 | 第69页 |
| 5.2 基于端元提取的目标探测算法 | 第69-72页 |
| 5.2.1 基于端元提取的字典学习 | 第69-70页 |
| 5.2.2 基于端元提取的目标探测算法流程 | 第70-72页 |
| 5.3 仿真算例研究 | 第72-80页 |
| 5.3.1 AVIRIS飞机数据实验 | 第72-76页 |
| 5.3.2 RIT数据实验 | 第76-80页 |
| 5.4 本章小结 | 第80-82页 |
| 结论 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 攻读学位期间取得学术成果 | 第87-88页 |
| 附录 | 第88页 |