摘要 | 第3-4页 |
abstract | 第4-5页 |
第1章 绪论 | 第9-16页 |
1.1 课题背景及研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 高光谱影像分类研究现状 | 第10-12页 |
1.2.2 稀疏表示分类研究现状 | 第12-13页 |
1.3 论文主要工作及章节安排 | 第13-16页 |
第2章 高光谱影像分类技术 | 第16-33页 |
2.1 引言 | 第16页 |
2.2 高光谱影像分类方法 | 第16-24页 |
2.2.1 高光谱影像数据特点 | 第16-18页 |
2.2.2 高光谱影像分类常用方法 | 第18-23页 |
2.2.3 高光谱影像空谱信息分类方法 | 第23-24页 |
2.3 稀疏表示分类算法 | 第24-28页 |
2.3.1 稀疏表示基本概念 | 第25-26页 |
2.3.2 稀疏表示分类模型 | 第26-27页 |
2.3.3 稀疏表示系数的求解 | 第27-28页 |
2.4 高光谱影像分类精度评价标准 | 第28-31页 |
2.4.1 混淆矩阵 | 第29页 |
2.4.2 类分类精度与平均分类精度 | 第29-30页 |
2.4.3 总体分类精度 | 第30页 |
2.4.4 Kappa系数 | 第30-31页 |
2.5 高光谱影像分类常用数据集 | 第31-32页 |
2.6 本章小结 | 第32-33页 |
第3章 一种融合核稀疏和协同表示的高光谱影像分类算法 | 第33-50页 |
3.1 引言 | 第33-34页 |
3.2 基于协同表示的高光谱影像分类算法 | 第34-38页 |
3.2.1 协同表示分类算法 | 第34-35页 |
3.2.2 稀疏表示分类与协同表示分类的对比分析 | 第35-38页 |
3.3 核变换的表示分类模型 | 第38-41页 |
3.3.1 核稀疏表示分类算法 | 第38-40页 |
3.3.2 核协同表示分类算法 | 第40-41页 |
3.4 加权融合核稀疏表示和协同表示系数的分类算法 | 第41-42页 |
3.5 实验结果与分析 | 第42-49页 |
3.5.1在Indian Pines数据集上的实验 | 第43-46页 |
3.5.2在Pavia University数据集上的实验 | 第46-49页 |
3.6 本章小结 | 第49-50页 |
第4章 一种基于区域生长的融合表示高光谱影像分类算法 | 第50-66页 |
4.1 引言 | 第50-51页 |
4.2 基于空谱信息分类的表示分类器 | 第51-53页 |
4.2.1 联合稀疏表示分类算法 | 第51-52页 |
4.2.2 基于空谱信息的融合表示分类算法 | 第52-53页 |
4.3 基于区域生长的高光谱空间邻域信息提取 | 第53-56页 |
4.3.1 区域生长算法概述 | 第53-54页 |
4.3.2 基于区域生长的高光谱空间邻域信息提取 | 第54-56页 |
4.4 基于区域生长的融合表示高光谱影像分类算法 | 第56-58页 |
4.5 实验结果与分析 | 第58-65页 |
4.5.1在Indian Pines数据集上的实验 | 第59-62页 |
4.5.2在Pavia University数据集上的实验 | 第62-65页 |
4.6 本章小结 | 第65-66页 |
第5章 总结与展望 | 第66-68页 |
5.1 论文工作总结 | 第66-67页 |
5.2 后续工作展望 | 第67-68页 |
参考文献 | 第68-74页 |
致谢 | 第74-75页 |
攻读硕士学位期间从事的科研工作及取得的成果 | 第75页 |