| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·高光谱遥感技术的发展现状 | 第11-13页 |
| ·研究动态以及发展趋势 | 第13-14页 |
| ·基于图像维的目标检测技术 | 第13-14页 |
| ·基于光谱维的目标检测技术 | 第14页 |
| ·论文构成及研究内容 | 第14-16页 |
| 第二章 高光谱图像的目标检测基础 | 第16-30页 |
| ·高光谱图像光谱变化模型 | 第16-18页 |
| ·概率密度模型 | 第16-17页 |
| ·子空间模型 | 第17页 |
| ·线性混合模型 | 第17-18页 |
| ·高光谱图像目标检测算法 | 第18-26页 |
| ·算法概述 | 第18页 |
| ·基于统计方法的目标检测理论 | 第18-23页 |
| ·多目标检测算法 | 第23页 |
| ·恒虚警率目标检测 | 第23-24页 |
| ·基于稀疏模型的高光谱目标检测算法 | 第24-26页 |
| ·其它高光谱目标检测及其改进算法 | 第26页 |
| ·目标检测算法的性能评价方法 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于高阶统计量的高光谱空间多种目标材料检测算法 | 第30-44页 |
| ·引言 | 第30页 |
| ·空间目标检测 | 第30-32页 |
| ·基于独立成分分析的高阶统计量基础 | 第32-33页 |
| ·ICA 简述 | 第32-33页 |
| ·非高斯最大化 | 第33页 |
| ·多种材料高光谱图像目标检测 | 第33-38页 |
| ·算法过程 | 第33-35页 |
| ·实验结果 | 第35-38页 |
| ·基于拟牛顿法的多种材料高光谱图像目标检测 | 第38-42页 |
| ·算法过程 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于稀疏模型的高光谱图像目标检测 | 第44-62页 |
| ·引言 | 第44页 |
| ·基于凸优化的参数化稀疏估计理论基础——压缩感知 | 第44-48页 |
| ·研究背景 | 第45页 |
| ·稀疏表示 | 第45-46页 |
| ·稀疏信号的重建 | 第46-48页 |
| ·基于稀疏模型与凸松弛高光谱图像目标检测 | 第48-53页 |
| ·算法过程 | 第49-51页 |
| ·实验结果 | 第51-53页 |
| ·基于 K-mean 聚类的光谱库构造及高光谱稀疏目标检测 | 第53-59页 |
| ·K-均值聚类算法简述 | 第53-54页 |
| ·基于 K-均值聚类的光谱库构建 | 第54页 |
| ·基于光谱字典的稀疏重构算法 | 第54-55页 |
| ·基于光谱字典的稀疏重构算法 | 第55-56页 |
| ·实验结果 | 第56-59页 |
| ·本章小结 | 第59-62页 |
| 第五章 总结与展望 | 第62-66页 |
| ·论文工作总结 | 第62-63页 |
| ·对进一步工作的展望 | 第63-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |