高光谱遥感图像降维技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究的背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 高光谱数据降维的研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 结构安排及技术路线 | 第15-17页 |
| 1.4.1 结构安排 | 第15页 |
| 1.4.2 技术路线 | 第15-17页 |
| 2 高光谱图像降维技术基础 | 第17-29页 |
| 2.1 高光谱图像数据简介 | 第17-22页 |
| 2.1.1 高光谱图像的基本概念 | 第17页 |
| 2.1.2 高光谱图像数据的表达方式 | 第17-19页 |
| 2.1.3 高光谱图像数据的特点 | 第19-22页 |
| 2.2 高光谱图像降维的必要性 | 第22-24页 |
| 2.3 高光谱图像降维技术简介 | 第24-25页 |
| 2.3.1 特征提取法 | 第24页 |
| 2.3.2 波段选择法 | 第24-25页 |
| 2.4 高光谱图像降维方法评价 | 第25-29页 |
| 2.4.1 基于可分性的评价方法 | 第25-27页 |
| 2.4.2 基于信息量的评价方法 | 第27-28页 |
| 2.4.3 基于相关性的评价方法 | 第28-29页 |
| 3 常用的波段选择方法 | 第29-45页 |
| 3.1 基于信息量的波段选择法 | 第29-33页 |
| 3.1.1 最佳指数与自适应波段选择法 | 第29-31页 |
| 3.1.2 基于最大信息量的波段选择法 | 第31-33页 |
| 3.2 基于排序的波段选择法 | 第33-34页 |
| 3.2.1 信息离散度法 | 第33-34页 |
| 3.2.2 第一光谱导数 | 第34页 |
| 3.3 基于聚类的波段选择法 | 第34-37页 |
| 3.3.1 基于层次聚类的方法 | 第34-36页 |
| 3.3.2 K-means聚类的方法 | 第36-37页 |
| 3.4 常用波段选择方法比较 | 第37-45页 |
| 3.4.1 实验数据介绍 | 第37-39页 |
| 3.4.2 实验及结果分析 | 第39-45页 |
| 4 高光谱图像波段选择法改进 | 第45-65页 |
| 4.1 改进算法思路 | 第45-46页 |
| 4.2 相似性度量方法 | 第46-49页 |
| 4.2.1 基于距离的光谱相似性度量方法 | 第47页 |
| 4.2.2 基于统计特性的光谱相似性度量方法 | 第47-48页 |
| 4.2.3 基于信息测度的光谱相似性度量方法 | 第48-49页 |
| 4.2.4 基于投影的光谱相似性度量方法 | 第49页 |
| 4.3 改进的自适应波段选择法 | 第49-50页 |
| 4.4 实验及结果分析 | 第50-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65页 |
| 5.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士学位期间发表论文 | 第73-74页 |
