表示模型框架下多特征信息融合的高光谱图像分类
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题背景及研究意义 | 第12页 |
| 1.2 高光谱图像的特性 | 第12-14页 |
| 1.3 高光谱图像数据研究概况 | 第14-16页 |
| 1.4 课题的研究重点 | 第16页 |
| 1.5 论文内容与组织结构 | 第16-18页 |
| 第二章 高光谱遥感图像融合及分类技术 | 第18-30页 |
| 2.1 遥感图像融合技术 | 第18-25页 |
| 2.1.1 像素级图像融合 | 第18-22页 |
| 2.1.2 特征级图像融合 | 第22-24页 |
| 2.1.3 决策级图像融合 | 第24-25页 |
| 2.2 高光谱图像分类 | 第25-29页 |
| 2.2.1 监督分类方法 | 第25-28页 |
| 2.2.2 分类效果评价 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 表示框架下的多特征决策融合分类模型 | 第30-50页 |
| 3.1 光谱特征提取 | 第30-31页 |
| 3.2 空间特征提取 | 第31-35页 |
| 3.2.1 Gabor小波特征 | 第31-33页 |
| 3.2.2 局部二值模型特征 | 第33-35页 |
| 3.3 表示模型分类器 | 第35-37页 |
| 3.3.1 最近正则化子空间分类算法 | 第36-37页 |
| 3.3.2 稀疏表示分类器 | 第37页 |
| 3.4 基于冗余融合的协作表示模型 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-48页 |
| 3.5.1 实验数据介绍 | 第38-40页 |
| 3.5.2 参数调节优化 | 第40-43页 |
| 3.5.3 实验结果分析 | 第43-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 表示框架下基于特征融合的分类模型 | 第50-60页 |
| 4.1 核的概念 | 第50-51页 |
| 4.2 基于核的分类器 | 第51-52页 |
| 4.2.1 基于核的协作表示分类器 | 第51-52页 |
| 4.2.2 基于核的稀疏表示分类器 | 第52页 |
| 4.3 分类系统模型 | 第52-53页 |
| 4.4 实验结果与分析 | 第53-58页 |
| 4.4.1 参数调节 | 第53-55页 |
| 4.4.2 实验结果分析 | 第55-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 5.1 结论 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 研究成果及发表的学术论文 | 第68-70页 |
| 作者和导师简介 | 第70-72页 |
| 附件 | 第72-73页 |
