声明
摘要
第1章绪论
1.1课题研究背景与研究意义
1.2国内外研究现状
1.2.1高光谱图像解混研究现状
1.2.2粒子群算法研究现状
1.3数据来源
1.4主要研究内容及论文结构
1.4.1本文主要研究内容
1.4.2论文结构安排
第2章高光谱图像处理的基本理论
2.1数据降维算法(主成分分析)
2.1.1 PCA核心思想
2.1.2 PCA算法的计算过程
2.2端元提取算法
2.2.1单形体概念
2.2.2 N-FINDER
2.2.3顶点成分分析
2.3 SVM分类
2.3.1核函数与核参数
2.3.2 SVM多分类(1v1分类)
2.4自适应变异粒子群算法
2.4.1 AVPSO算法基本原理
2.4.2 AVPSO算法分析
2.5小结
第3章基于小波变换与PCA的特征提取算法
3.1高低频小波分解
3.1.1小波分解原理
3.1.2小波分解详细分析
3.1.3小波函数的“四大原则”
3.2小波PCA
3.3实验分析
3.4小结
第4章基于施密特正交化的快速高光谱图像解混方法
4.1端元选择
4.2丰度估计
4.3实验分析
4.3.1传统高光谱端元提取算法与FLD算法处理速度比较
4.3.2不同算法的端元提取结果比较
4.3.3不同信噪比与停机条件对提取端元数的影响
4.3.4解混效果分析
4.4小结
第5章基于改进粒子群算法的SVM参数优化
5.1基于遗传算法的粒子群算法
5.1.1遗传算法原理
5.1.2遗传算法具体步骤
5.2免疫遗传算法(IGA)
5.2.1IGA算法原理
5.2.2 IGA算法具体步骤
5.3免疫交叉变异粒子群算法(ICMPSO)
5.3.1ICMPSO算法原理
5.3.2 ICMPSO算法具体步骤
5.4实验分析
5.4.2 ICMPSO粒子群优化算法分类准确率
5.4.3分类结果重构图分析
5.5小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢