| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1. 绪论 | 第7-10页 |
| 1.1 课题研究背景和意义 | 第7页 |
| 1.2 高光谱图像数据维数约减 | 第7-8页 |
| 1.3 高光谱图像分类性能分析与评价 | 第8-9页 |
| 1.4 论文研究内容和组织结构 | 第9-10页 |
| 2. 高光谱图像分类研究概况 | 第10-14页 |
| 2.1 基于特征空间距离的高光谱图像分类 | 第10页 |
| 2.2 统计学习理论框架下的高光谱图像分类 | 第10-12页 |
| 2.3 基于稀疏性的高光谱图像分类 | 第12-13页 |
| 2.4 深度学习研究概况 | 第13-14页 |
| 3. 基于深度编码的高光谱图像分类 | 第14-25页 |
| 3.1 神经网络模型 | 第14-16页 |
| 3.2 基于栈式自编码算法的分类 | 第16-20页 |
| 3.3 基于深度特征编码的分类 | 第20-21页 |
| 3.4 基于深度特征编码的SVM分类 | 第21-25页 |
| 4. 高光谱分类数值实验 | 第25-31页 |
| 4.1 高光谱图像数据 | 第25-26页 |
| 4.2 数值实验 | 第26-31页 |
| 5. 结论 | 第31-32页 |
| 致谢 | 第32-33页 |
| 参考文献 | 第33-36页 |