文摘
英文文摘
声明
第一章绪论
§1.1引言
§1.2高光谱成像
§1.2.1基本原理和特点
§1.2.2发展概况
§1.3高光谱图像处理应用
§1.4高光谱图像目标检测
§1.4.1国外相关应用及实验
§1.4.2国内外理论研究进展
§1.5论文研究内容及结构
第二章高光谱图像目标检测基础理论
§2.1引言
§2.2光谱信号混合模型
§2.3多元统计信号估计
§2.3.1最小二乘估计与正交子空间投影
§2.3.2最小均方误差估计与正交性原理
§2.3.3极大似然估计
§2.4多元统计信号检测
§2.4.1贝叶斯准则和Neyman-Pearson准则
§2.4.2广义似然比检验
§2.4.3匹配滤波器
§2.5本章小结
第三章目标最大熵及背景似然无参估计异常检测
§3.1引言
§3.2常用异常检测算法
§3.2.1 RX检测(RXD)算法
§3.2.2由RX算法导出的改进算法
§3.2.3低概率检测(LPD)算法
§3.3目标最大熵和背景无参估计异常检测
§3.3.1目标最大熵背景似然检验
§3.3.2背景似然的非参估计
§3.3.3算法步骤和框图
§3.4实验及其分析
§3.5小结
第四章特征层融合目标光谱信号匹配检测
§4.1引言
§4.2线性约束最小方差检测器
§4.3特征层融合目标匹配检测
§4.3.1背景和噪声光谱信号的抑制
§4.3.2基于广义似然比检验的特征层融合
§4.3.3算法步骤和框图
§4.4实验结果和分析
§4.5小结
第五章基于形状子空间的形谱一体化检测
§5.1引言
§5.2包含空间信息的假设模型
§5.3基于三维高斯马尔可夫随机场的检测器
§5.3.1三维GMRF数据建模
§5.3.2基于三维GMRF的目标检测
§5.4形状特征子空间检测器
§5.4.1自适应背景结构化
§5.4.2假设模型和形状特征子空间
§5.4.3目标光谱特征和总体协方差估计
§5.4.4形状子空间检测
§5.4.5算法步骤和框图
§5.5实验及其分析
§5.6小结
第六章空间多尺度自回归有监督检测
§6.1前言
§6.2多尺度自回归模型
§6.3高维多尺度目标检测假设模型
§6.4高维多尺度似然比检验
§6.5高维多尺度自回归似然比检验
§6.5.1高维多尺度自回归
§6.5.2目标高维多尺度自回归似然
§6.5.3最大后验背景高维多尺度自回归似然
§6.5.4高维多尺度自回归残差数据多元t分布建模
§6.5.5算法步骤和框图
§6.6实验及其分析
§6.7小结
第七章总结与展望
§7.1本文工作总结
§7.2展望
参考文献
攻读博士学位期间完成的学术论文及参加的主要科研项目
致 谢