基于统计的高光谱图像分类技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·课题背景及意义 | 第9-11页 |
| ·高光谱遥感影像分析国内外研究现状 | 第11-12页 |
| ·基于纯像元的分析方法 | 第11页 |
| ·基于混合像元的分析方法 | 第11-12页 |
| ·高光谱图像分类技术研究现状 | 第12-16页 |
| ·监督分类与非监督分类 | 第13-14页 |
| ·参数分类与非参数分类 | 第14-15页 |
| ·确定性分类与非确定性分类 | 第15-16页 |
| ·其他分类方法 | 第16页 |
| ·论文的研究内容和组织结构 | 第16-18页 |
| 第二章 高光谱图像预处理和统计分类理论 | 第18-28页 |
| ·高光谱图像的数据表示 | 第18-19页 |
| ·高光谱向量 | 第18-19页 |
| ·差分图像 | 第19页 |
| ·高光谱图像特征选择与特征提取 | 第19-22页 |
| ·特征选择与特征提取 | 第19-20页 |
| ·主成分分析 | 第20-22页 |
| ·高光谱图像统计分类 | 第22-26页 |
| ·基于统计决策理论的分类器设计 | 第22-24页 |
| ·高光谱图像分类流程 | 第24-26页 |
| ·分类精度评价 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于MRF 和GM 模型的高光谱图像分类 | 第28-46页 |
| ·马尔可夫随机场的基本理论 | 第29-32页 |
| ·邻域系统和簇 | 第29-31页 |
| ·MRF 和Gibbs 随机场 | 第31-32页 |
| ·MRF 与Gibbs 随机场的等价性 | 第32页 |
| ·MRF 中的图像分类算法框架 | 第32-35页 |
| ·非高斯统计模型 | 第35-40页 |
| ·椭圆轮廓线分布模型 | 第36-37页 |
| ·混合模型 | 第37-38页 |
| ·广义拉普拉斯模型 | 第38-39页 |
| ·核密度估计 | 第39-40页 |
| ·图像统计模型 | 第40-41页 |
| ·先验模型 | 第40页 |
| ·光谱向量模型 | 第40页 |
| ·差分图像模型 | 第40-41页 |
| ·地物类别标记算法 | 第41-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 独立成分分析在地物信息提取中的应用 | 第46-64页 |
| ·独立成分分析 | 第46-56页 |
| ·相关的基础知识 | 第46-48页 |
| ·独立成分分析模型 | 第48-50页 |
| ·独立成分分析估计原理 | 第50-56页 |
| ·独立成分分析在高光谱图像分类中的应用 | 第56-61页 |
| ·高光谱图像中的ICA 模型 | 第57-59页 |
| ·基于ICA 模型高光谱图像的特征提取 | 第59页 |
| ·基于ICA 模型高光谱图像的分类 | 第59-61页 |
| ·实验结果与分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻硕期间的研究成果 | 第70-71页 |
