| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题研究背景及意义 | 第8-11页 |
| 1.2 高光谱遥感技术的发展现状 | 第11-13页 |
| 1.3 高光谱波段选择方法及特征提取技术研究现状 | 第13-15页 |
| 1.4 高光谱实验数据描述 | 第15-18页 |
| 1.4.1 Indian Pines数据集 | 第15-16页 |
| 1.4.2 Kennedy Space Center（KSC）数据集 | 第16-17页 |
| 1.4.3 Pavia Center数据集 | 第17-18页 |
| 1.5 论文内容安排 | 第18-19页 |
| 第2章 现有的高光谱图像降维方法 | 第19-30页 |
| 2.1 基于排序的高光谱波段选择方法 | 第19-20页 |
| 2.1.1 信息离散度（Information Divergence） | 第19页 |
| 2.1.2 最大方差主成分分析（Maximum-variance PCA） | 第19-20页 |
| 2.2 基于聚类的高光谱波段选择方法 | 第20-24页 |
| 2.2.1 K-centers | 第21页 |
| 2.2.2 近邻传播（Affinity Propagation） | 第21-22页 |
| 2.2.3 基于密度聚类（DBSCAN） | 第22-24页 |
| 2.3 各种波段选择方法的对比分析 | 第24-26页 |
| 2.4 高光谱图像特征提取的降维方法 | 第26-28页 |
| 2.4.1 主成分分析（PCA） | 第26页 |
| 2.4.2 拉普拉斯特征映射 | 第26-27页 |
| 2.4.3 薛定谔特征映射 | 第27-28页 |
| 2.5 高光谱空间光谱信息融合的特征映射 | 第28-29页 |
| 2.5.1 基于拉普拉斯特征映射（BE）的降维 | 第28页 |
| 2.5.2 基于光谱空间融合薛定谔特征映射（SSSE）的降维 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于排序聚类的无监督波段选择 | 第30-48页 |
| 3.1 基于排序聚类方法概述 | 第30页 |
| 3.2 快速密度峰值聚类（FDPC）算法 | 第30-34页 |
| 3.2.1 基于快速密度峰值聚类（FDPC）的波段选择 | 第32-34页 |
| 3.3 基于排序聚类的E-FDPC波段选择方法 | 第34-39页 |
| 3.4 实验结果与分析 | 第39-46页 |
| 3.4.1 实验环境介绍 | 第40页 |
| 3.4.2 基于排序和聚类波段选择方法的波段集比较 | 第40-41页 |
| 3.4.3 相关性和稳定性比较 | 第41-42页 |
| 3.4.4 分类精度比较 | 第42-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 基于超像素分割的特征提取 | 第48-58页 |
| 4.1 基于超像素分割特征提取概述 | 第48页 |
| 4.2 高光谱图像基于超像素分割的特征提取 | 第48-53页 |
| 4.2.1 高光谱图像简单线性迭代聚类（SLIC）的特征提取 | 第49-50页 |
| 4.2.2 高光谱图像基于熵率（ERS）超像素的特征提取 | 第50-52页 |
| 4.2.3 高光谱图像两种基于超像素分割的方法对比 | 第52-53页 |
| 4.3 实验结果与分析 | 第53-57页 |
| 4.3.1 不同超像素方法分类精度比较 | 第53-55页 |
| 4.3.2 不同超像素个数分类精度比较 | 第55-56页 |
| 4.3.3 不同维度特征比较 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 进一步工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间公开发表的论文及科研成果 | 第64页 |
