基于非负矩阵分解的高光谱图像特征提取与分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8-11页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 课题背景及研究意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 国内外文献综述简析 | 第12-13页 |
| 1.3 主要研究内容及论文结构 | 第13-14页 |
| 第2章 基于LFDA的高光谱图像分类算法 | 第14-29页 |
| 2.1 引言 | 第14-15页 |
| 2.2 LFDA降维算法 | 第15-21页 |
| 2.2.1 费舍尔判别分析FDA | 第15-17页 |
| 2.2.2 局部保持投影LPP | 第17页 |
| 2.2.3 LFDA降维算法步骤 | 第17-21页 |
| 2.3 几种常见的分类器算法 | 第21-26页 |
| 2.3.1 K最近邻算法 | 第21页 |
| 2.3.2 MLC分类器算法 | 第21-23页 |
| 2.3.3 GMM分类器算法 | 第23-25页 |
| 2.3.4 SVM分类器算法 | 第25-26页 |
| 2.4 仿真实验 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于NMF的高光谱图像分类算法 | 第29-46页 |
| 3.1 引言 | 第29-31页 |
| 3.2 正交NMF降维算法 | 第31-33页 |
| 3.2.1 正交NMF与K均值聚类的关系 | 第31-32页 |
| 3.2.2 正交NMF算法步骤 | 第32-33页 |
| 3.3 正交NMF+LPP降维算法 | 第33-35页 |
| 3.4 仿真实验 | 第35-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 高光谱图像处理软件实现 | 第46-57页 |
| 4.1 引言 | 第46-47页 |
| 4.2 总体设计分析 | 第47-48页 |
| 4.3 软件各功能及实现 | 第48-56页 |
| 4.3.1 软件的界面设计 | 第48-49页 |
| 4.3.2 高光谱图像数据预处理 | 第49-51页 |
| 4.3.3 区域采样技术及实现 | 第51-53页 |
| 4.3.4 分类算法嵌入 | 第53-55页 |
| 4.3.5 软件的操作步骤 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
