| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-18页 |
| Chapter 1 Introduction | 第18-32页 |
| 1.1 Background and applications | 第18-21页 |
| 1.1.1 Hyperspectral imagery | 第18-20页 |
| 1.1.2 Applications | 第20-21页 |
| 1.2 Techniques and challenges | 第21-23页 |
| 1.2.1 Techniques | 第21-23页 |
| 1.2.2 The challenges | 第23页 |
| 1.3 Semi-supervised learning | 第23-26页 |
| 1.3.1 Assumptions in semi-supervised learning | 第24页 |
| 1.3.2 Algorithms for semi-supervised learning | 第24-26页 |
| 1.3.3 Open issues and future directions | 第26页 |
| 1.4 Related work | 第26-28页 |
| 1.4.1 Semi-supervised classification for HSIs | 第26-27页 |
| 1.4.2 Sparse feature learning for HSIs | 第27-28页 |
| 1.4.3 Semi-supervised band selection for HSIs | 第28页 |
| 1.5 Thesis goals and contributions | 第28-29页 |
| 1.6 Outline | 第29-32页 |
| Chapter 2 Modified co-training process with spectral and spatial views for HSIclassification | 第32-56页 |
| 2.1 Introduction | 第32-33页 |
| 2.2 Motivation | 第33-35页 |
| 2.3 Modified co-training with spectral and spatial views for HSI classification | 第35-41页 |
| 2.3.1 View construction for hyperspectral imagery | 第35-37页 |
| 2.3.2 A new sample selection scheme for co-training | 第37-41页 |
| 2.4 Experimental results and analysis | 第41-54页 |
| 2.4.1 Data description | 第41-42页 |
| 2.4.2 Experimental design | 第42-43页 |
| 2.4.3 Results and discussions | 第43-51页 |
| 2.4.4 Performance analysis | 第51-54页 |
| 2.5 Conclusion | 第54-56页 |
| Chapter 3 Semi-supervised dictionary learning for HSI classification | 第56-70页 |
| 3.1 Introduction | 第56-57页 |
| 3.2 Sparse representation and dictionary learning | 第57-58页 |
| 3.2.1 Sparse representation | 第57-58页 |
| 3.2.2 Dictionary learning | 第58页 |
| 3.3 SSDL | 第58-61页 |
| 3.3.1 Dictionary learning with both labeled and unlabeled samples | 第58页 |
| 3.3.2 Dictionary learning with semi-supervised classification | 第58-60页 |
| 3.3.3 Solution of SSDL | 第60-61页 |
| 3.4 Experimental results and analysis | 第61-69页 |
| 3.4.1 Data description | 第61-63页 |
| 3.4.2 Experimental settings | 第63-64页 |
| 3.4.3 Experiments with the AVIRIS Indian Pines dataset | 第64-67页 |
| 3.4.4 Experiments with the ROSIS University of Pavia dataset | 第67-69页 |
| 3.5 Conclusion | 第69-70页 |
| Chapter 4 Joint sparsity based semi-supervised band selection for HSIs | 第70-86页 |
| 4.1 Introduction | 第70-71页 |
| 4.2 Problem formulation | 第71页 |
| 4.3 Joint sparse norm regularization | 第71-73页 |
| 4.4 Manifold smoothness regularization | 第73-75页 |
| 4.5 Experimental results and analysis | 第75-84页 |
| 4.5.1 Data description | 第75-76页 |
| 4.5.2 Experimental settings | 第76-77页 |
| 4.5.3 Experiments with the AVIRIS Indian Pines dataset | 第77-82页 |
| 4.5.4 Experiments with the ROSIS University of Pavia dataset | 第82-84页 |
| 4.6 Conclusion | 第84-86页 |
| Chapter 5 Conclusion and future work | 第86-88页 |
| 5.1 Conclusion | 第86-87页 |
| 5.2 Future work | 第87-88页 |
| Reference | 第88-98页 |
| Acknowledgement | 第98-99页 |
| Biography | 第99-100页 |
| 1. Basic information | 第99页 |
| 2. Educational background | 第99页 |
| 3. Research achievements | 第99-100页 |
