| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·高光谱遥感技术发展现状 | 第11-13页 |
| ·成像光谱技术的发展现状 | 第11-12页 |
| ·高光谱技术运用领域 | 第12页 |
| ·高光谱影像处理技术难点 | 第12-13页 |
| ·高光谱图像处理技术 | 第13-16页 |
| ·高光谱图像分类现状 | 第13-14页 |
| ·高光谱异常检测技术现状 | 第14-16页 |
| ·本文组织结构 | 第16-18页 |
| 第2章 高光谱遥感影像处理理论 | 第18-29页 |
| ·引言 | 第18页 |
| ·高光谱遥感影像数据 | 第18-20页 |
| ·数据描述 | 第18-19页 |
| ·数据特点 | 第19-20页 |
| ·高光谱遥感影像分类技术 | 第20-22页 |
| ·高光谱分类原理 | 第20-21页 |
| ·高光谱分类流程以及分类算法 | 第21-22页 |
| ·影像异常目标检测理论 | 第22-24页 |
| ·异常检测的意义 | 第22-23页 |
| ·异常检测定义和流程 | 第23-24页 |
| ·数据融合 | 第24-28页 |
| ·数据融合理论 | 第24-25页 |
| ·几种基本的数据融合技术 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于 AdaBoosting 的高光谱影像分类技术研究 | 第29-37页 |
| ·引言 | 第29页 |
| ·AdaBoost 算法 | 第29-32页 |
| ·集成学习理论 | 第29页 |
| ·弱学习理论 | 第29-30页 |
| ·AdaBoost 算法原理 | 第30-31页 |
| ·弱分类器选择 | 第31-32页 |
| ·多分类构造 | 第32页 |
| ·AdaBoost 算法优化 | 第32页 |
| ·最小噪声分离变换方法 | 第32-33页 |
| ·高光谱影像分类实验 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 AdaBoosting 算法在高光谱目标识别的运用 | 第37-52页 |
| ·引言 | 第37页 |
| ·GAB 目标识别算法设计 | 第37-38页 |
| ·像素级融合以及实验数据描述 | 第38-41页 |
| ·目标识别性能评估方法 | 第41页 |
| ·专家提取 | 第41-48页 |
| ·场景一分类 | 第42-44页 |
| ·场景二分类 | 第44-45页 |
| ·场景三分类 | 第45-47页 |
| ·数据分析 | 第47-48页 |
| ·光谱指纹 | 第48-50页 |
| ·训练数据准备 | 第48页 |
| ·实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 基于 RX 算法的高光谱异常检测技术研究 | 第52-67页 |
| ·引言 | 第52页 |
| ·RX 异常检测算法 | 第52-54页 |
| ·基于空域滤波的高光谱影像 RX 异常检测算法 | 第54-60页 |
| ·高斯低通滤波原理 | 第54-55页 |
| ·仿真实验 | 第55-60页 |
| ·可见近红外数据检测结果 | 第55-56页 |
| ·短波红外数据检测结果 | 第56-58页 |
| ·像素级融合数据检测结果 | 第58-59页 |
| ·小结 | 第59-60页 |
| ·基于决策规则融合的 RX 异常检测算法 | 第60-65页 |
| ·算法原理 | 第60-62页 |
| ·实验结果与分析 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 总结和展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录 | 第73页 |