声明
致谢
摘要
1 绪论
1.1 高光谱遥感技术简介
1.1.1 高光谱遥感概述
1.1.2 高光谱图像及其特性
1.1.3 高光谱遥感与多光谱遥感的区别
1.1.4 高光谱遥感的发展
1.2 兴趣体
1.2.1 兴趣体的概念
1.2.2 研究意义
1.2.3 研究现状
1.3 主要研究内容
1.3.1 研究内容
1.3.2 文章创新点
1.4 论文组织结构
2 高光谱图像降维技术
2.1 高光谱图像的降维方法
2.1.1 降维的必要性
2.1.2 降维的方法
2.2 基于“三准则”的波段选择
2.2.1 波段选择的“三准则”
2.2.2 基于“三准则”的波段选择思想
2.2.3 现有方法和文章方法的对比
2.3 图像数据的数值评价
2.3.1 标准差
2.3.2 离散系数
2.4 本章小结
3 基于信息量和类间可分性的光谱维波段选择算法
3.1 实验数据描述及预处理
3.1.1 实验数据描述
3.1.2 图像预处理
3.2 基于信息量的谱域波段选择算法
3.2.1 相关性及相关系数矩阵
3.2.2 基于信息量的波段选择算法
3.2.3 基于子空间划分和波段指数的最大信息量算法
3.3 基于类间可分性的空域—谱域波段选择算法
3.3.1 基于类间可分性的空域波段选择方法
3.3.2 基于类间可分性的谱域波段选择方法
3.3.3 基于B距离和欧氏距离的最大类间可分算法
3.4 本章小结
4 基于灰色关联决策的光谱维波段选择优化算法
4.1 灰色系统
4.1.1 灰色建模和灰色数学
4.1.2 灰色分析与灰色决策
4.2 灰色关联决策
4.2.1 基本思想
4.2.2 方法流程
4.3 基于灰色关联决策的光谱维波段选择优化算法
4.3.1 光谱维的总波段选择算法及流程
4.3.2 实验及结果
4.4 波段选择结果与其他方法对比
4.5 本章小结
5 基于图像分割的空间维感兴趣区域确定方法
5.1 伪彩色图像的图像分割方法
5.1.1 基于阈值的图像分割
5.1.2 基于边缘的图像分割
5.1.3 基于聚类的图像分割
5.2 特定波段组合图像的空间平面分割
5.2.1 二维最大熵分割法结果
5.2.2 边缘检测分割法结果
5.2.3 欧氏聚类图像分割法结果
5.2.4 三种方法所获取兴趣体的对比
5.3 高光谱图像兴趣体自动提取算法
5.4 高光谱图像兴趣体的自动提取结果
结论
参考文献
作者简历
学位论文数据集