结合空间信息与光谱信息的高光谱图像分类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·高光谱图像数据研究现状 | 第11-13页 |
| ·高光谱遥感技术的发展 | 第11-12页 |
| ·高光谱图像数据特点 | 第12-13页 |
| ·高光谱图像分类研究现状 | 第13-15页 |
| ·本文研究内容和组织结构 | 第15-18页 |
| 第2章 高光谱遥感图像特征提取理论 | 第18-30页 |
| ·高光谱图像数据表达方式 | 第18-19页 |
| ·高光谱数据光谱特征提取 | 第19-22页 |
| ·线性主成分分析 | 第19-21页 |
| ·无参数加权特征提取 | 第21-22页 |
| ·高光谱数据空间纹理特征提取 | 第22-26页 |
| ·灰度共生矩阵纹理特征提取 | 第23-24页 |
| ·小波变换纹理特征提取 | 第24-26页 |
| ·高光谱数据形状特征提取 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 高光谱遥感图像分类理论 | 第30-42页 |
| ·高光谱图像分类理论 | 第30-32页 |
| ·高光谱图像分类流程 | 第30-31页 |
| ·分类精度评价方法 | 第31-32页 |
| ·传统高光谱图像监督分类技术 | 第32-34页 |
| ·光谱角填图法分类模型 | 第32-33页 |
| ·最大似然分类模型 | 第33-34页 |
| ·支持向量机在高光谱分类中的应用 | 第34-37页 |
| ·支持向量机基本理论 | 第34-36页 |
| ·最小二乘支持向量机 | 第36-37页 |
| ·多类支持向量机模型 | 第37页 |
| ·实验内容与结果分析 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 融合空间纹理信息的高光谱图像分类 | 第42-54页 |
| ·空间信息辅助方式 | 第42-44页 |
| ·Gabor 滤波纹理信息提取 | 第44-48页 |
| ·Gabor 小波滤波原理 | 第44-45页 |
| ·基于 Gabor 变换的图像纹理信息提取 | 第45-47页 |
| ·谱域-空域特征融合 | 第47页 |
| ·空间邻域修正 | 第47-48页 |
| ·实验内容及结果分析 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 基于多尺度同质性判定的高光谱图像分类 | 第54-66页 |
| ·基于同质性的图像提取分类理论 | 第54-55页 |
| ·基于多尺度同质性判定的高光谱分类改进 | 第55-58页 |
| ·区域同质性判定原理 | 第56-58页 |
| ·多尺度同质区判定方法 | 第58页 |
| ·实验内容及结果分析 | 第58-64页 |
| ·本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-76页 |
| 致谢 | 第76页 |
