| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题背景及研究意义 | 第13页 |
| 1.2 高光谱图像数据特性分析 | 第13-16页 |
| 1.2.1 高光谱数据的描述 | 第13-15页 |
| 1.2.2 高光谱数据的特性 | 第15-16页 |
| 1.3 当前研究现状 | 第16-17页 |
| 1.3.1 高光谱图像分类研究现状 | 第16-17页 |
| 1.3.2 高光谱图像异常检测研究现状 | 第17页 |
| 1.4 论文内容与组织结构 | 第17-19页 |
| 第二章 高光谱图像数据处理技术 | 第19-31页 |
| 2.1 数据降维技术研究 | 第19-24页 |
| 2.1.1 波段选择方法 | 第20页 |
| 2.1.2 特征提取方法 | 第20-24页 |
| 2.2 高光谱图像分类技术介绍 | 第24-29页 |
| 2.2.1 无监督分类 | 第24页 |
| 2.2.2 有监督分类 | 第24-29页 |
| 2.3 高光谱图像异常检测技术介绍 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于稀疏表示的高光谱图像特征提取与分类 | 第31-55页 |
| 3.1 基于稀疏表示图的高光谱图像特征提取 | 第31-34页 |
| 3.1.1 稀疏表示模型 | 第31-32页 |
| 3.1.2 图嵌入保留模型 | 第32-33页 |
| 3.1.3 基于稀疏表示图的特征提取 | 第33-34页 |
| 3.2 基于稀疏和低秩表示图的高光谱图像特征提取 | 第34-38页 |
| 3.3 实验内容与结果分析 | 第38-54页 |
| 3.3.1 University of Pavia数据集实验分析 | 第39-44页 |
| 3.3.2 Indian Pines数据集实验分析 | 第44-49页 |
| 3.3.3 Salinas数据集实验分析 | 第49-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 基于稀疏表示的高光谱图像异常检测 | 第55-67页 |
| 4.1 RX异常检测算法 | 第55-56页 |
| 4.2 基于近邻稀疏表示对RX算法改进的异常检测 | 第56-59页 |
| 4.3 实验结果及分析 | 第59-66页 |
| 4.3.1 实验评价指标 | 第59-60页 |
| 4.3.2 Indian Pines数据集实验分析 | 第60-63页 |
| 4.3.3 Hymap数据集实验分析 | 第63-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 结论与展望 | 第67-69页 |
| 5.1 结论 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 研究成果及发表的学术论文 | 第75-77页 |
| 作者和导师简介 | 第77-78页 |
| 硕士研究生学位论文答辩委员会决议书 | 第78-79页 |
