| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-31页 |
| 1.1 论文的研究意义和目的 | 第13-14页 |
| 1.2 红外显微成像技术及国内外研究现状 | 第14-25页 |
| 1.2.1 傅里叶变换红外显微成像技术 | 第14-16页 |
| 1.2.2 傅里叶变换红外成像系统 | 第16-19页 |
| 1.2.3 红外显微成像技术的应用现状 | 第19-23页 |
| 1.2.4 红外显微成像数据处理技术的研究现状 | 第23-25页 |
| 1.3 红外显微图像信息提取技术的国内外研究现状 | 第25-29页 |
| 1.3.1 单变量分析方法 | 第25-26页 |
| 1.3.2 降维技术 | 第26-27页 |
| 1.3.3 图像分割 | 第27-28页 |
| 1.3.4 分辨技术 | 第28-29页 |
| 1.3.5 研究现状总结 | 第29页 |
| 1.4 研究内容及结构安排 | 第29-31页 |
| 第2章 基于主成分分析和二阶导数的信息提取 | 第31-43页 |
| 2.1 红外显微图像的数据特点 | 第31页 |
| 2.2 常用的光谱预处理方法 | 第31-33页 |
| 2.2.1 光谱归一化 | 第32页 |
| 2.2.2 变量标准化 | 第32页 |
| 2.2.3 光谱平滑技术 | 第32-33页 |
| 2.2.4 光谱差减 | 第33页 |
| 2.2.5 基线校正 | 第33页 |
| 2.3 基于主成分分析和二阶导数的信息提取 | 第33-37页 |
| 2.3.1 主成分分析 | 第34-35页 |
| 2.3.2 二阶导数 | 第35-36页 |
| 2.3.3 基于主成分分析和二阶导数的信息提取 | 第36-37页 |
| 2.4 实验结果与分析 | 第37-41页 |
| 2.4.1 实验数据 | 第37页 |
| 2.4.2 目标组分的分布信息提取 | 第37-41页 |
| 2.4.3 结果分析 | 第41页 |
| 2.5 本章小结 | 第41-43页 |
| 第3章 基于W2DPCA-FCM的红外显微图像信息提取 | 第43-59页 |
| 3.1 比尔-朗伯模型 | 第43-44页 |
| 3.2 基于二维主成分分析的光谱分解方法 | 第44-51页 |
| 3.2.1 二维主成分分解模型 | 第44-47页 |
| 3.2.2 实验结果与分析 | 第47-51页 |
| 3.3 基于W2DPCA-FCM的红外显微图像信息提取 | 第51-58页 |
| 3.3.1 基于加权二维主成分分析的特征提取 | 第52页 |
| 3.3.2 模糊C-均值算法 | 第52-53页 |
| 3.3.3 红外显微图像信息提取 | 第53页 |
| 3.3.4 实验结果与分析 | 第53-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第4章 基于最大标准差的波段选择 | 第59-76页 |
| 4.1 高光谱图像波段选择的依据 | 第59-62页 |
| 4.1.1 信息量 | 第59-60页 |
| 4.1.2 波段相关性 | 第60-61页 |
| 4.1.3 最佳指数 | 第61-62页 |
| 4.1.4 自动子空间划分(Auto-Subspace Partition,ASP) | 第62页 |
| 4.1.5 自适应波段选择(Adaptive Band Selection,ABS) | 第62页 |
| 4.2 常用的无监督波段选择方法 | 第62-68页 |
| 4.2.1 基于K-medoids的波段选择 | 第63-64页 |
| 4.2.2 基于谱聚类的波段选择 | 第64-65页 |
| 4.2.3 基于相似性传播聚类的波段选择 | 第65-66页 |
| 4.2.4 波段选择算法评价方法 | 第66-68页 |
| 4.3 基于最大标准差波段选择的信息提取 | 第68-75页 |
| 4.3.1 基于最大标准差的波段选择方法 | 第69-70页 |
| 4.3.2 基于最大标准差波段选择的信息提取方法 | 第70页 |
| 4.3.3 实验结果与分析 | 第70-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第5章 基于自适应局部优化粒子群算法的图像分割 | 第76-92页 |
| 5.1 红外显微图像分割的理论基础 | 第76-77页 |
| 5.2 常用的聚类方法 | 第77-80页 |
| 5.2.1 K-均值算法 | 第77-78页 |
| 5.2.2 粒子群算法 | 第78-80页 |
| 5.3 基于自适应局部优化粒子群算法的图像分割 | 第80-84页 |
| 5.3.1 自适应局部优化的粒子群算法 | 第80-82页 |
| 5.3.2 基于自适应局部优化的粒子群算法的图像分割 | 第82页 |
| 5.3.3 红外显微图像分割结果评价 | 第82-84页 |
| 5.4 实验结果与分析 | 第84-90页 |
| 5.4.1 函数优化 | 第84-85页 |
| 5.4.2 UCI数据分析 | 第85-86页 |
| 5.4.3 红外显微图像分割 | 第86-90页 |
| 5.5 本章小结 | 第90-92页 |
| 第6章 基于纯变量的组分分辨 | 第92-104页 |
| 6.1 常用的分辨技术 | 第92-96页 |
| 6.1.1 直接经典最小二乘方法 | 第93页 |
| 6.1.2 多元曲线分辨-交替最小二乘 | 第93-94页 |
| 6.1.3 交互式自模型混合物分析 | 第94-96页 |
| 6.2 基于纯变量的组分分辨方法 | 第96-103页 |
| 6.2.1 组分数估计方法 | 第96-97页 |
| 6.2.2 基于纯变量的组分分辨方法 | 第97-98页 |
| 6.2.3 实验结果与分析 | 第98-103页 |
| 6.3 本章小结 | 第103-104页 |
| 结论 | 第104-107页 |
| 参考文献 | 第107-118页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第118-119页 |
| 致谢 | 第119页 |
