| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 遥感技术 | 第10-14页 |
| 1.2.1 遥感成像技术发展 | 第10-12页 |
| 1.2.2 遥感获取平台发展 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文的组织框架 | 第15-17页 |
| 2 研究现状 | 第17-30页 |
| 2.1 无人机技术研究 | 第17-22页 |
| 2.1.1 国内外研究与应用现状 | 第17-20页 |
| 2.1.2 发展前景 | 第20-22页 |
| 2.2 遥感图像特征提取方法 | 第22-28页 |
| 2.2.1 子空间方法 | 第22-25页 |
| 2.2.2 核方法 | 第25-26页 |
| 2.2.3 流形学习方法 | 第26-28页 |
| 2.3 论文的研究方法与技术路线 | 第28-29页 |
| 2.3.1 研究方法 | 第28页 |
| 2.3.2 研究路线 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 无人机导航系统设计 | 第30-46页 |
| 3.1 非线性导航算法 | 第30-36页 |
| 3.1.1 非线性导航算法原理 | 第31-36页 |
| 3.1.2 导航算法参数整定方法 | 第36页 |
| 3.2 导航算法实验分析 | 第36-45页 |
| 3.2.1 实验平台介绍 | 第36-40页 |
| 3.2.2 实验设定与数据分析 | 第40-45页 |
| 3.3 本章小结 | 第45-46页 |
| 4 基于稀疏保持嵌入算法的高光谱遥感影像分类 | 第46-57页 |
| 4.1 特征提取的相关研究 | 第46-48页 |
| 4.1.1 稀疏表示理论 | 第47页 |
| 4.1.2 稀疏保持投影(SPP) | 第47-48页 |
| 4.2 半监督稀疏鉴别嵌入(SSDE) | 第48-50页 |
| 4.2.1 算法原理 | 第48-49页 |
| 4.2.2 算法步骤 | 第49-50页 |
| 4.3 实验分析 | 第50-55页 |
| 4.3.1 人工数据集(Synthetic datasets) | 第50-51页 |
| 4.3.2 Washington DC Mall数据集 | 第51-53页 |
| 4.3.3 Indian Pine数据集 | 第53-55页 |
| 4.4 实验结果评价 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 研究工作总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第65页 |
| B. 作者在攻读硕士学位期间参加的科研项目及获奖目录 | 第65页 |
