| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究的意义 | 第8-10页 |
| 1.2 国内外研究现状及分析 | 第10-16页 |
| 1.2.1 高光谱成像仪研究 | 第10-13页 |
| 1.2.2 高光谱技术运用 | 第13-14页 |
| 1.2.3 高光谱分类方法研究 | 第14-16页 |
| 1.3 存在的问题 | 第16-17页 |
| 1.4 论文内容安排 | 第17-18页 |
| 第2章 基于误差上限的高光谱多分类策略研究 | 第18-38页 |
| 2.1 引言 | 第18页 |
| 2.2 SVM原理 | 第18-23页 |
| 2.2.1 最优分离超平面 | 第18-21页 |
| 2.2.2 线性不可分情况 | 第21-22页 |
| 2.2.3 高维特征空间映射 | 第22-23页 |
| 2.3 多分类策略构建过程 | 第23-28页 |
| 2.3.1 基于Chernoff距离的OAA分类策略 | 第23-26页 |
| 2.3.2 基于JM距离的类对决策树策略 | 第26-28页 |
| 2.4 实验 | 第28-37页 |
| 2.4.1 基于C距离的核方法实验 | 第28-34页 |
| 2.4.2 JM距离核方法实验 | 第34-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 基于视觉词袋模型的高光谱分类算法研究 | 第38-54页 |
| 3.1 引言 | 第38页 |
| 3.2 卷积特征提取网络研究与验证 | 第38-42页 |
| 3.2.1 卷积神经网络特征 | 第38-40页 |
| 3.2.2 卷积神经网络结构 | 第40-41页 |
| 3.2.3 Adam优化算法 | 第41-42页 |
| 3.3 M-SLIC超像素划分方法 | 第42-45页 |
| 3.3.1 超像素概念 | 第42-43页 |
| 3.3.2 M-SLIC方法 | 第43-45页 |
| 3.4 视觉词袋模型 | 第45-47页 |
| 3.5 实验 | 第47-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 长短期记忆单元在高光谱变化检测中的应用 | 第54-69页 |
| 4.1 引言 | 第54页 |
| 4.2 变化检测与迁移学习介绍 | 第54-55页 |
| 4.2.1 高光谱变化检测 | 第54-55页 |
| 4.2.2 迁移学习 | 第55页 |
| 4.3 基础结构研究 | 第55-61页 |
| 4.3.1 RNN基础 | 第55-59页 |
| 4.3.2 LSTM基础 | 第59-61页 |
| 4.4 模型结合 | 第61-62页 |
| 4.5 实验 | 第62-68页 |
| 4.5.1 基本变化检测实验 | 第62-65页 |
| 4.5.2 迁移实验 | 第65-68页 |
| 4.6 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第73-75页 |
| 致谢 | 第75页 |