基于支持向量机的高光谱遥感图像分类方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·成像光谱仪技术的发展现状 | 第12-14页 |
| ·高光谱遥感的应用前景 | 第14-15页 |
| ·高光谱图像分类的研究现状 | 第15-16页 |
| ·支持向量机的研究现状 | 第16-17页 |
| ·本文的主要内容和组织结构 | 第17-19页 |
| 第2章 高光谱图像分类概论 | 第19-29页 |
| ·引言 | 第19页 |
| ·高光谱遥感图像的形成与数据特点 | 第19-23页 |
| ·高光谱遥感图像的形成 | 第19-20页 |
| ·高光谱遥感图像的数据表达 | 第20-22页 |
| ·高光谱遥感图像数据的特点 | 第22页 |
| ·高光谱遥感图像数据处理的特点 | 第22-23页 |
| ·高光谱影像分类 | 第23-28页 |
| ·高光谱分类的基本概念和原理 | 第23-25页 |
| ·高光谱遥感分类的主要策略 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 支持向量机理论 | 第29-49页 |
| ·引言 | 第29页 |
| ·最优化理论 | 第29-31页 |
| ·支持向量机模型 | 第31-38页 |
| ·线性支持向量机 | 第32-35页 |
| ·非线性支持向量机 | 第35-38页 |
| ·仿真实验 | 第38-48页 |
| ·实验数据 | 第38-40页 |
| ·实验过程 | 第40-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 支持向量机的参数优化 | 第49-60页 |
| ·引言 | 第49页 |
| ·模型参数分析与选择 | 第49-51页 |
| ·模型与参数的分析 | 第49-50页 |
| ·参数优化方法 | 第50-51页 |
| ·粒子群算法 | 第51-55页 |
| ·基本粒子群算法 | 第52-53页 |
| ·基本粒子群算法流程 | 第53-54页 |
| ·改进的粒子群算法 | 第54-55页 |
| ·AVIRIS高光谱分类实验 | 第55-59页 |
| ·实验数据 | 第55页 |
| ·实验过程 | 第55-57页 |
| ·实验结果与分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 空谱一体化的高光谱分类技术 | 第60-74页 |
| ·引言 | 第60页 |
| ·空间领域法 | 第60-61页 |
| ·区域生长法 | 第61-64页 |
| ·区域生长概述 | 第61-62页 |
| ·边缘检测 | 第62-64页 |
| ·二值形态学法 | 第64-66页 |
| ·仿真实验 | 第66-73页 |
| ·实验数据 | 第66-67页 |
| ·实验过程 | 第67-72页 |
| ·实验结果与分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 总结和展望 | 第74-76页 |
| ·总结 | 第74-75页 |
| ·展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 附录 | 第81页 |
