摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 引言 | 第12-39页 |
1.1 研究背景 | 第12-34页 |
1.1.1 光谱成像技术介绍 | 第12-24页 |
1.1.2 高光谱成像技术的应用 | 第24-30页 |
1.1.3 高光谱解混技术背景 | 第30-34页 |
1.2 国内外研究现状 | 第34-38页 |
1.2.1 降维研究现状 | 第34-35页 |
1.2.2 端元数目估计研究现状 | 第35-36页 |
1.2.3 端元提取研究现状 | 第36-37页 |
1.2.4 丰度估计研究现状 | 第37-38页 |
1.3 章节安排 | 第38-39页 |
第2章 高光谱解混技术介绍 | 第39-53页 |
2.1 高光谱混合模型 | 第39-41页 |
2.1.1 线性混合模型 | 第40-41页 |
2.1.2 非线性混合模型 | 第41页 |
2.2 高光谱解混的难点 | 第41-42页 |
2.3 基于线性混合模型的解混现状 | 第42-50页 |
2.3.1 PPI算法 | 第44-45页 |
2.3.2 N-FINDR算法 | 第45-46页 |
2.3.3 SGA算法 | 第46-47页 |
2.3.4 VCA算法 | 第47页 |
2.3.5 MVHT算法 | 第47-48页 |
2.3.6 FUN算法 | 第48-50页 |
2.3.7 FCLS算法 | 第50页 |
2.4 基于非线性混合模型的解混现状 | 第50-51页 |
2.5 线性解混方法与非线性解混方法比较 | 第51-53页 |
第3章 基于吉文斯旋转的端元提取算法 | 第53-79页 |
3.1 基于正交投影的端元提取算法 | 第53-54页 |
3.2 EEGR算法 | 第54-62页 |
3.2.1 基于吉文斯旋转的QR分解 | 第54-57页 |
3.2.2 EEGR算法介绍 | 第57-61页 |
3.2.3 EEGR算法的创新点与优越性 | 第61-62页 |
3.3 EEGR算法与MVHT,VCA,FUN方法对比 | 第62-63页 |
3.4 EEGR算法实验结果 | 第63-77页 |
3.4.1 仿真实验数据及评价标准 | 第63-66页 |
3.4.2 计算复杂度分析 | 第66-67页 |
3.4.3 仿真数据实验结果 | 第67-71页 |
3.4.4 真实数据仿真结果 | 第71-77页 |
3.5 EEGR算法总结 | 第77-79页 |
第4章 稀疏约束的图正则化非负矩阵光谱解混算法 | 第79-100页 |
4.1 基于非负矩阵分解的解混算法 | 第79-81页 |
4.2 NMF解混算法现状 | 第81-84页 |
4.2.1 MVC-NMF算法 | 第81-82页 |
4.2.2 GNMF算法 | 第82-83页 |
4.2.3 GLNMF算法 | 第83-84页 |
4.3 EAGLNMF算法 | 第84-88页 |
4.4 EAGLNMF算法实验结果 | 第88-99页 |
4.4.1 试验结果评价标准 | 第88-89页 |
4.4.2 实验环境 | 第89页 |
4.4.3 仿真数据实验结果 | 第89-96页 |
4.4.4 真实数据实验结果 | 第96-99页 |
4.5 EAGLNMF算法总结 | 第99-100页 |
第5章 多/高光谱遥感图像解混去雾应用 | 第100-122页 |
5.1 解混算法的应用 | 第100页 |
5.2 去雾应用的背景 | 第100-102页 |
5.3 有雾光谱图像的去雾算法 | 第102-108页 |
5.3.1 有雾光谱图像的退化模型 | 第102-103页 |
5.3.2 有雾光谱图像去雾算法流程 | 第103-105页 |
5.3.3 滤波器去雾算法介绍 | 第105-106页 |
5.3.4 解混去雾评价标准 | 第106-108页 |
5.4 多/高光谱遥感图像解混去雾应用 | 第108-121页 |
5.4.1 高光谱图像解混去雾应用 | 第108-115页 |
5.4.2 多光谱图像解混去雾应用 | 第115-121页 |
5.5 解混去雾算法总结 | 第121-122页 |
第6章 结论与展望 | 第122-126页 |
6.1 本文的主要工作和创新点 | 第122-124页 |
6.2 工作展望 | 第124-126页 |
参考文献 | 第126-136页 |
致谢 | 第136-138页 |
作者简历及攻读学位期间发表的学术论文与研究成果 | 第138-139页 |