论文目录 | |
摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
符号对照表 | 第10-11页 |
缩略语对照表 | 第11-14页 |
第一章 绪论 | 第14-18页 |
1.1 课题研究背景 | 第14-16页 |
1.1.1 高光谱遥感图像技术 | 第14页 |
1.1.2 高光谱遥感图像的应用 | 第14-15页 |
1.1.3 高光谱遥感图像的波段选择的意义 | 第15-16页 |
1.2 论文的主要工作和安排 | 第16-18页 |
第二章 相关工作概述 | 第18-26页 |
2.1 特征选择方法的概念 | 第18-19页 |
2.2 现有的高光谱图像的波段选择方法 | 第19-20页 |
2.3 稀疏表示理论概述 | 第20-23页 |
2.3.1 稀疏表示理论 | 第20-21页 |
2.3.2 稀疏表示问题的优化求解 | 第21-23页 |
2.4 低秩表示理论概述 | 第23-25页 |
2.4.1 低秩矩阵恢复理论 | 第23-25页 |
2.4.2 低秩表示 | 第25页 |
2.5 本章小结 | 第25-26页 |
第三章 基于判别性约束半监督稀疏表示的高光谱图像波段选择方法 | 第26-42页 |
3.1 引言 | 第26页 |
3.2 基于稀疏理论的高光谱图像波段选择方法 | 第26-27页 |
3.3 类内类间距离 | 第27-28页 |
3.4 基于判别性约束半监督稀疏表示的高光谱图像波段选择 | 第28-30页 |
3.4.1 对波段进行稀疏表示 | 第28-29页 |
3.4.2 判别性约束 | 第29-30页 |
3.4.3 选择波段 | 第30页 |
3.5 实验结果和分析 | 第30-40页 |
3.5.1 高光谱数据集的描述 | 第30-33页 |
3.5.2 分类精度对比实验 | 第33-40页 |
3.6 本章小结 | 第40-42页 |
第四章 基于低秩表示聚类的高光谱图像波段选择方法 | 第42-54页 |
4.1 引言 | 第42页 |
4.2 低秩表示在高光谱图像中的应用 | 第42页 |
4.3 基于低秩表示聚类的高光谱图像波段选择方法 | 第42-46页 |
4.3.1 对高光谱图像进行低秩表示 | 第43-44页 |
4.3.2 对波段进行聚类 | 第44-45页 |
4.3.3 自适应选择波段 | 第45-46页 |
4.4 实验与分析 | 第46-52页 |
4.4.1 Indian Pine图像数据上的波段选择 | 第46-48页 |
4.4.2 Pavia University图像数据上的波段选择 | 第48-50页 |
4.4.3 Salian Valley图像数据上的波段选择 | 第50-52页 |
4.5 本章小结 | 第52-54页 |
第五章 基于最佳匹配字典的高光谱图像波段选择方法 | 第54-64页 |
5.1 拉普拉斯图理论 | 第54页 |
5.2 组稀疏表示 | 第54-55页 |
5.3 基于最佳匹配字典的高光谱图像波段选择方法 | 第55-58页 |
5.3.1 确实适应度函数 | 第55-56页 |
5.3.2 对适应度函数模型进行优化求解 | 第56-57页 |
5.3.3 搜索最佳匹配字典 | 第57-58页 |
5.4 实验结果和分析 | 第58-62页 |
5.4.1 Indian Pine图像数据上的波段选择 | 第58-60页 |
5.4.2 Salian Valley图像数据上的波段选择 | 第60-62页 |
5.5 本章小结 | 第62-64页 |
第六章 总结和展望 | 第64-66页 |
6.1 论文总结 | 第64页 |
6.2 展望 | 第64-66页 |
参考文献 | 第66-70页 |
致谢 | 第70-72页 |
作者简介 | 第72-73页 |