基于蚁群算法的高光谱遥感影像地物分类研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| 第一节 研究背景、目的与意义 | 第9-10页 |
| 一、研究背景 | 第9页 |
| 二、研究目的与意义 | 第9-10页 |
| 第二节 高光谱遥感发展现状 | 第10-12页 |
| 第三节 高光谱遥感影像处理技术研究进展 | 第12-14页 |
| 一、高光谱遥感影像降维研究进展 | 第12-13页 |
| 二、高光谱遥感分类研究进展 | 第13-14页 |
| 第四节 研究内容、技术路线与创新点 | 第14-17页 |
| 一、研究内容 | 第14-15页 |
| 二、技术路线 | 第15-16页 |
| 三、创新点 | 第16-17页 |
| 第五节 本文主要内容和章节安排 | 第17-19页 |
| 第二章 算法原理及研究数据 | 第19-35页 |
| 第一节 蚁群算法原理 | 第19-22页 |
| 一、蚁群算法生物学原型 | 第19-20页 |
| 二、蚁群算法原理 | 第20-22页 |
| 第二节 克隆选择算法原理 | 第22-24页 |
| 一、克隆选择算法生物学原型 | 第22-23页 |
| 二、克隆选择算法原理 | 第23-24页 |
| 第三节 支持向量机 | 第24-26页 |
| 第四节 高光谱遥感影像特征分析 | 第26-35页 |
| 一、研究数据及研究区 | 第26-29页 |
| 二、高光谱遥感影像的波谱特征 | 第29-31页 |
| 三、高光谱遥感影像的谱间相关性 | 第31-32页 |
| 四、高光谱遥感分类中的Hughes现象 | 第32-35页 |
| 第三章 基于蚁群算法的高光谱影像最优波段选择 | 第35-49页 |
| 第一节 基于传统蚁群算法的高光谱影像最优波段选择 | 第35-37页 |
| 第二节 基于多态蚁群算法的高光谱影像最优波段选择 | 第37-42页 |
| 一、多态蚁群算法中侦查蚁的侦查机制 | 第38-40页 |
| 二、搜索蚁的搜索机制 | 第40页 |
| 三、工蚁的工作机制 | 第40-42页 |
| 第三节 实验结果分析 | 第42-48页 |
| 第四节 本章小结 | 第48-49页 |
| 第四章 基于蚁群算法的高光谱遥感分类 | 第49-65页 |
| 第一节 基于信息熵的影像灰度属性离散化 | 第49-52页 |
| 第二节 基于蚁群算法的分类规则提取 | 第52-54页 |
| 第三节 基于混合算法的分类规则提取 | 第54-56页 |
| 第四节 基于蚁群算法的SVM高光谱分类算法 | 第56-58页 |
| 第五节 实验结果分析 | 第58-63页 |
| 第六节 本章小结 | 第63-65页 |
| 第五章 结论与展望 | 第65-69页 |
| 第一节 结论 | 第65-66页 |
| 一、高光谱遥感影像最优波段选择 | 第65-66页 |
| 二、高光谱遥感分类 | 第66页 |
| 第二节 不足与展望 | 第66-69页 |
| 一、存在的不足 | 第66-67页 |
| 二、展望 | 第67-69页 |
| 参考文献 | 第69-77页 |
| 发表文章目录 | 第77-79页 |
| 致谢 | 第79-80页 |
