结合空间域信息的高光谱图像分类方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·高光谱遥感的发展现状 | 第11-13页 |
| ·高光谱遥感的应用领域 | 第13页 |
| ·高光谱图像目标分类的研究现状 | 第13-15页 |
| ·本文的主要内容和组织结构 | 第15-17页 |
| 第二章 高光谱图像分类方法概述 | 第17-27页 |
| ·引言 | 第17-18页 |
| ·最小距离法 | 第18-19页 |
| ·支持向量机分类 | 第19-22页 |
| ·支持向量机分类原理 | 第19-20页 |
| ·仿真实验与分析 | 第20-22页 |
| ·基于空间连续性的分类方法 | 第22-26页 |
| ·空间域分类方法原理 | 第22-24页 |
| ·实验结果与分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 结合势函数的高光谱图像分类方法 | 第27-43页 |
| ·引言 | 第27页 |
| ·结合势函数分类算法原理 | 第27-29页 |
| ·结合势函数的高光谱分类算法 | 第29-33页 |
| ·光谱域信息分类 | 第29页 |
| ·分类结果连通区域提取 | 第29-30页 |
| ·结合势函数的分类结果优化 | 第30-33页 |
| ·实验结果与分析 | 第33-42页 |
| ·数据集 1 实验 | 第33-38页 |
| ·数据集 2 实验 | 第38-41页 |
| ·实验结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 结合边缘信息的高光谱图像分类方法 | 第43-62页 |
| ·引言 | 第43页 |
| ·结合边缘信息分类算法原理 | 第43-45页 |
| ·结合边缘信息的高光谱分类 | 第45-50页 |
| ·光谱域信息分类 | 第45-46页 |
| ·提取多波段数据梯度图 | 第46-47页 |
| ·自适应阈值边缘提取 | 第47-48页 |
| ·内部膨胀处理 | 第48-50页 |
| ·实验结果与分析 | 第50-56页 |
| ·实验数据介绍 | 第50页 |
| ·利用光谱域信息的分类结果 | 第50-51页 |
| ·多波段图像梯度提取 | 第51-52页 |
| ·自适应阈值边缘提取 | 第52-53页 |
| ·内部膨胀法 | 第53-55页 |
| ·结果与分析 | 第55-56页 |
| ·高光谱图像波段选择 | 第56-61页 |
| ·随机波段选择 | 第56-58页 |
| ·基于梯度的波段选择 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
