论文目录 | |
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-26页 |
| 1.1 课题背景与研究意义 | 第12-14页 |
| 1.2 高光谱图像解混及分类问题的研究现状 | 第14-21页 |
| 1.2.1 高光谱解混与分类定义、难点与特点 | 第14-15页 |
| 1.2.2 线性高光谱解混的研究现状 | 第15-18页 |
| 1.2.3 高光谱分类的研究现状 | 第18-21页 |
| 1.3 论文研究的主要内容 | 第21-26页 |
| 1.3.1 论文的主要成果及创新点 | 第21-23页 |
| 1.3.2 论文的组织结构 | 第23-26页 |
| 2 基于光谱库的l_(1/2)稀疏正则化解混模型与算法 | 第26-48页 |
| 2.1 引言 | 第26-27页 |
| 2.2 稀疏回归解混基础 | 第27-28页 |
| 2.3 提出的基于l_(1/2)正则化的高光谱解混模型与算法 | 第28-34页 |
| 2.3.1 采用l_(1/2)稀疏正则化的动机 | 第28-29页 |
| 2.3.2 l_(1/2)正则化稀疏回归模型 | 第29-30页 |
| 2.3.3 算法 | 第30-33页 |
| 2.3.4 算法中的光谱库预优 | 第33-34页 |
| 2.4 实验结果与分析 | 第34-42页 |
| 2.4.1 模拟高光谱数据实验 | 第34-41页 |
| 2.4.2 真实高光谱数据实验 | 第41-42页 |
| 2.5 本章小结 | 第42-48页 |
| 3 结合稀疏表示与马尔可夫场空间先验的高光谱图像监督分类 | 第48-68页 |
| 3.1 引言 | 第48页 |
| 3.2 本章方法提出的动机及框架总览 | 第48-50页 |
| 3.3 仅利用光谱信息的高光谱稀疏表示分类方法 | 第50-54页 |
| 3.3.1 高光谱分类中的稀疏表示分类准则 | 第50-51页 |
| 3.3.2 l_1-l_2稀疏表示分类方法 | 第51-54页 |
| 3.4 马尔可夫场(MRF)空间先验 | 第54-55页 |
| 3.5 最大后验(MAP)估计的空谱联合分类模型 | 第55-56页 |
| 3.6 实验结果与分析 | 第56-63页 |
| 3.6.1 分类结果的评价指标 | 第57-58页 |
| 3.6.2 主流的对比算法及参数设置 | 第58-59页 |
| 3.6.3 Indian Pines数据集上的实验结果 | 第59-62页 |
| 3.6.4 University of Pavia数据集上的实验结果 | 第62-63页 |
| 3.7 本章小结 | 第63-68页 |
| 4 加权马尔可夫场空间先验的高光谱图像监督分类 | 第68-94页 |
| 4.1 引言 | 第68-69页 |
| 4.2 稀疏多项式逻辑回归(SMLR)方法 | 第69页 |
| 4.3 本章方法提出的动机及框架总览 | 第69-71页 |
| 4.4 提出的加权马尔可夫场先验的空谱联合分类方法 | 第71-76页 |
| 4.4.1 隐形场MPM上的MRF空间先验 | 第71-72页 |
| 4.4.2 基于空间自适应TV的最大后验边际(MPM)分类模型 | 第72-74页 |
| 4.4.3 算法 | 第74-76页 |
| 4.5 实验结果与分析 | 第76-84页 |
| 4.5.1 分类结果评价指标以及参数设置 | 第78页 |
| 4.5.2 参数μ_s、l和σ对分类结果的影响 | 第78-80页 |
| 4.5.3 Indian Pines数据集上的实验结果 | 第80页 |
| 4.5.4 University of Pavia数据集上的实验结果 | 第80-81页 |
| 4.5.5 Center of Pavia数据集上的实验结果 | 第81-82页 |
| 4.5.6 算法的执行时间对比实验 | 第82-83页 |
| 4.5.7 主动学习对比实验 | 第83-84页 |
| 4.6 本章小结 | 第84-94页 |
| 5 子空间多项式逻辑回归与稀疏表示融合的高光谱监督分类 | 第94-108页 |
| 5.1 引言 | 第94-95页 |
| 5.2 本章方法提出的动机及框架总览 | 第95-96页 |
| 5.3 仅光谱信息(spectral-only)两分类器融合的高光谱分类方法 | 第96-99页 |
| 5.3.1 子空间多项式逻辑回归(MLRsub)分类器 | 第96页 |
| 5.3.2 稀疏表示(SR)分类器 | 第96-97页 |
| 5.3.3 满概率图和稀疏概率图的融合 | 第97-99页 |
| 5.4 边缘保持的马尔可夫场空间先验 | 第99-100页 |
| 5.5 最大后验(MAP)估计的高光谱空谱联合分类 | 第100页 |
| 5.6 实验结果与分析 | 第100-105页 |
| 5.6.1 Indian Pines数据集上的实验结果 | 第101-104页 |
| 5.6.2 University of Pavia数据集上的实验结果 | 第104-105页 |
| 5.7 本章小结 | 第105-108页 |
| 6 结束语 | 第108-112页 |
| 参考文献 | 第112-124页 |
| 致谢 | 第124-126页 |
| 附录 | 第126-130页 |
| 附录A：LORSAL算法 | 第126-128页 |
| 附录B：攻读博士学位期间发表及已完成论文情况 | 第128-130页 |
| 附录C：攻读博士学位期间参加课题及资助基金 | 第130页 |
