基于多特征融合的卫星遥感图像分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外相关研究和综述 | 第10-13页 |
| 1.2.1 分类算法 | 第10-11页 |
| 1.2.2 空间特征提取 | 第11-12页 |
| 1.2.3 基于核函数的特征融合 | 第12-13页 |
| 1.2.4 矩阵稀疏表达 | 第13页 |
| 1.3 问题的总结与分析 | 第13-14页 |
| 1.4 本文的主要工作 | 第14页 |
| 1.5 本文组织结构 | 第14-16页 |
| 第2章 遥感图像分类相关方法介绍 | 第16-29页 |
| 2.1 空间特征提取方法 | 第16-19页 |
| 2.1.1 行态学特征 | 第16-18页 |
| 2.1.2 属性特征 | 第18-19页 |
| 2.2 经典特征去噪方法介绍 | 第19-24页 |
| 2.2.1 主成分分析 | 第19-20页 |
| 2.2.2 鲁棒性PCA | 第20-24页 |
| 2.3 支持向量机 | 第24-27页 |
| 2.3.1 硬间隔最大化支持向量机 | 第24-25页 |
| 2.3.2 软间隔最大化支持向量机 | 第25-26页 |
| 2.3.3 非线性支持向量机 | 第26-27页 |
| 2.4 基于核函数的特征融合 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于区域划分的矩阵低秩表达和特征融合算法 | 第29-39页 |
| 3.1 矩阵低秩表达 | 第30-36页 |
| 3.1.1 稀疏表达分类器 | 第30-31页 |
| 3.1.2 基于区域划分的矩阵低秩表达 | 第31-35页 |
| 3.1.3 LRR收敛性分析 | 第35-36页 |
| 3.2 多特征融合算法 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 卫星遥感图像分类实验结果及分析 | 第39-53页 |
| 4.1 实验数据介绍 | 第39-41页 |
| 4.2 实验环境介绍 | 第41页 |
| 4.3 实验评价指标 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-52页 |
| 4.4.1 分类算法的选择和单特征与多特征对比 | 第42-43页 |
| 4.4.2 多特征融合方法对比 | 第43-46页 |
| 4.4.3 稀疏表达算法对比 | 第46-48页 |
| 4.4.4 算法的参数优化 | 第48-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
