| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第13-31页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义及目标 | 第14-15页 |
| 1.2 高光谱遥感发展概况 | 第15-22页 |
| 1.2.1 高光谱遥感基本概念及优势 | 第15-17页 |
| 1.2.2 高光谱遥感发展动态 | 第17-21页 |
| 1.2.3 高光谱数据处理与分析系统 | 第21-22页 |
| 1.3 高光谱遥感在城市调查中的应用 | 第22-28页 |
| 1.3.1 高光谱遥感的应用概况 | 第22-25页 |
| 1.3.2 高光谱遥感在城市中的应用 | 第25-28页 |
| 1.4 研究内容与技术路线 | 第28-31页 |
| 2 研究区概况与影像数据处理 | 第31-47页 |
| 2.1 研究区概况 | 第31-32页 |
| 2.2 Hyperion高光谱数据 | 第32-34页 |
| 2.2.1 Hyperion数据简介 | 第32-33页 |
| 2.2.3 Hyperion数据特点 | 第33页 |
| 2.2.4 Hyperion数据获取 | 第33-34页 |
| 2.3 高光谱数据预处理 | 第34-39页 |
| 2.3.1 非正常像元分类 | 第34-35页 |
| 2.3.2 未定标及水汽影响波段去除 | 第35页 |
| 2.3.3 绝对辐射值转换 | 第35-36页 |
| 2.3.4 坏线修复 | 第36页 |
| 2.3.5 Smile效应修复及大气校正 | 第36-39页 |
| 2.3.6 几何精校正 | 第39页 |
| 2.4 结合光谱及统计特征分析的波段降维 | 第39-47页 |
| 2.4.1 图像光谱特征及分析 | 第39-40页 |
| 2.4.2 图像信息统计分析 | 第40-47页 |
| 3 高光谱数据的融合 | 第47-61页 |
| 3.1 遥感数据融合基本概况与优势 | 第47-49页 |
| 3.2 遥感影像数据融合的基本原理与方法 | 第49-55页 |
| 3.2.1 多源遥感影像融合的层次 | 第49-51页 |
| 3.2.2 常用的影像融合方法 | 第51-55页 |
| 3.3 基于Gram-Schimdt(GS)正交化变换法的遥感图像融合 | 第55-61页 |
| 3.3.1 GS变换的基本原理 | 第55-56页 |
| 3.3.2 高分辨率遥感影像的选择及预处理 | 第56-57页 |
| 3.3.3 Hyperion与SPOT影像配准 | 第57-59页 |
| 3.3.4 SPOT影像的裁切 | 第59页 |
| 3.3.5 影像的融合 | 第59-61页 |
| 4 城市常见地物类型及端元提取 | 第61-71页 |
| 4.1 城市常见地物类别及光谱特征 | 第61-65页 |
| 4.1.1 水体 | 第61页 |
| 4.1.2 植被 | 第61-62页 |
| 4.1.3 城市道路 | 第62页 |
| 4.1.4 建筑物 | 第62-63页 |
| 4.1.5 城市裸地 | 第63页 |
| 4.1.6 研究区地物类型确定 | 第63-65页 |
| 4.2 结合光谱特性的纯像元指数提取城市地物端元 | 第65-71页 |
| 4.2.1 端元提取方法概况 | 第65-66页 |
| 4.2.2 基于光谱特性的纯像元指数获取地物端元 | 第66-71页 |
| 5 城市地物识别与分类 | 第71-85页 |
| 5.1 基本概念及类别 | 第71-72页 |
| 5.2 基于SAM方法的地物识别与分类 | 第72-74页 |
| 5.2.1 常见的高光谱分类方法 | 第72页 |
| 5.2.2 基于SAM方法的城市地物识别与分类 | 第72-74页 |
| 5.3 混合光谱分解方法 | 第74-76页 |
| 5.3.1 混合光谱机理及分解算法 | 第74-75页 |
| 5.3.2 基于线性光谱分解的城市地物识别与分类 | 第75-76页 |
| 5.4 结果分析与精度验证 | 第76-85页 |
| 5.4.1 图像结果分析 | 第76-78页 |
| 5.4.2 地物面积统计及分析 | 第78-85页 |
| 6 结论与展望 | 第85-89页 |
| 6.1 研究结论 | 第85-87页 |
| 6.2 研究不足与展望 | 第87-89页 |
| 参考文献 | 第89-99页 |
| 作者简历 | 第99页 |
| 教育经历 | 第99页 |
| 硕士期间完成工作 | 第99页 |