| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-14页 |
| ·课题背景与意义 | 第8-9页 |
| ·遥感影像分类的国内外研究现状 | 第9-10页 |
| ·稀疏分解近期的国内外研究情况 | 第10-12页 |
| ·主要研究内容 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 遥感图像处理的基本理论 | 第14-21页 |
| ·遥感影像的预处理 | 第14-15页 |
| ·遥感影像的特征提取 | 第15-17页 |
| ·遥感图像的分类原理 | 第17-19页 |
| ·遥感影像分类的评价方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 稀疏表示图像识别的基本理论方法 | 第21-30页 |
| ·稀疏表示问题的建立 | 第21页 |
| ·稀疏表示的实质 | 第21-22页 |
| ·稀疏表示字典设计 | 第22-26页 |
| ·稀疏表示优化算法 | 第26-28页 |
| ·遥感图像稀疏特征的提取 | 第28页 |
| ·遥感图像稀疏分类 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于多特征建模的稀疏表示遥感图像湿地分类算法研究与应用 | 第30-36页 |
| ·引言 | 第30页 |
| ·K-T 变换及 NDVI 的基本原理 | 第30-31页 |
| ·稀疏表示学习字典的建立 | 第31-32页 |
| ·多光谱遥感影像的特征建模 | 第32-33页 |
| ·支持向量机（SVM）算法 | 第33页 |
| ·算法步骤 | 第33-34页 |
| ·实验结果与分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 结合纹理特征的多光谱遥感图像稀疏表示分类算法 | 第36-42页 |
| ·引言 | 第36页 |
| ·遥感影像湿地信息提取 | 第36-39页 |
| ·基于学习字典的稀疏表示分类原理 | 第39-40页 |
| ·实验结果与分析 | 第40-41页 |
| ·结论 | 第41-42页 |
| 第六章 基于学习字典稀疏表示的小样本高光谱遥感数据分类 | 第42-47页 |
| ·引言 | 第42页 |
| ·大数据分类的国内外现状研究 | 第42页 |
| ·基于学习字典的图像稀疏分类算法 | 第42-43页 |
| ·实验步骤 | 第43-44页 |
| ·实验结果与分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第七章 总结与展望 | 第47-49页 |
| ·工作总结 | 第47-48页 |
| ·研究展望 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55-56页 |
| 在学期间公开发表论文及科研情况 | 第56页 |
