首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

高光谱图像异常目标检测

摘要第1-7页
ABSTRACT第7-11页
第1章 绪论第11-27页
   ·高光谱遥感概述第11-20页
     ·高光谱遥感简介第11-14页
     ·高光谱数据特性第14-19页
     ·高光谱图像处理第19-20页
   ·相关技术国内外研究现状第20-25页
     ·高光谱异常目标检测研究现状第20-23页
     ·异常目标检测存在的问题第23-25页
   ·研究内容和章节安排第25-27页
第2章 基于图像融合的高光谱异常目标检测第27-44页
   ·高光谱图像融合第27-33页
     ·遥感数据融合的分类第27-31页
     ·数据融合算法第31-33页
   ·基于EMD图像融合的高光谱异常目标检测第33-39页
     ·经验模态分析(EMD)第33-35页
     ·异常检测第35-38页
     ·基于EMD图像融合的高光谱异常目标检测第38-39页
   ·仿真实验及性能分析第39-43页
   ·本章小结第43-44页
第3章 基于端元提取的高光谱图像异常目标检测第44-54页
   ·端元提取第44-47页
     ·模型中端元的描述第44-45页
     ·端元提取中的典型算法第45-47页
   ·基于背景抑制及顶点成分分析的高光谱图像异常检测第47-50页
     ·顶点成分分析第47-48页
     ·基于背景抑制及顶点成分分析的高光谱图像异常检测第48-50页
   ·仿真实验及性能分析第50-53页
   ·本章小结第53-54页
第4章 基于核正交投影的高光谱异常目标检测第54-64页
   ·核函数方法第54-57页
     ·核方法第54-55页
     ·核函数第55-57页
   ·核正交子空间投影第57-61页
     ·正交子空间投影第57页
     ·核正交子空间投影第57-60页
     ·分块处理第60-61页
   ·仿真实验及性能分析第61-63页
   ·本章小结第63-64页
第5章 基于聚类与KPCA的高光谱异常目标检测第64-72页
   ·KPCA特征提取算法第64-65页
     ·主成分分析第64页
     ·基于核主成份分析的特征提取第64-65页
   ·聚类算法第65-68页
     ·K-MEANS算法第66页
     ·K-MEDOIDS算法第66页
     ·FCM算法第66-68页
     ·算法评价第68页
   ·基于聚类与KPCA的高光谱异常目标检测算法第68-69页
   ·仿真实验及性能分析第69-71页
   ·本章小结第71-72页
结论第72-74页
参考文献第74-79页
攻读硕士学位期间发表的文章和取得的科研成果第79-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:池州市水稻富硒栽培技术研究与推广
下一篇:饲用苎麻资源筛选及其高产栽培技术研究