声明
摘要
第一章 绪论
1.1 研究背景与意义
1.2 高分辨率遥感影像描述与分类研究现状
1.2.1 高分辨率遥感影像对象描述与表达研究现状
1.2.2 面向对象的高分辨率遥感影像分类现状
1.2.3 主题模型在遥感影像处理中的研究现状
1.3 本文的创新和内容安排
1.3.1 问题提出与研究目的
1.3.2 本文的内容与创新
1.3.3 论文结构
第二章 主题模型及其应用研究现状
2.1 概述
2.2 图像词包表示的概述
2.2.1 词包模型
2.2.2 词包模型在图像中的应用
2.3 主题模型的进展与常见的主题模型
2.3.1 pLSA模型
2.3.2 LDA模型
2.4 模型求解
2.4.1 变分推理
2.4.2 采样近似推理
2.5 主题模型在计算机视觉中的主要应用
2.5.1 特征降维
2.5.2 图像分类
2.6 本章小结
第三章 基于词包模型的遥感影像对象表达
3.1 概述
3.1.1 图像特征表示方法概述
3.1.2 词包模型研究概述
3.2 图像词包表示的构造
3.2.1 图像块检测
3.2.2 图像块低层视觉特征提取
3.2.3 视觉单词构造
3.2.4 视觉单词表示
3.3 词包模型的歧义性分析
3.3.1 歧义性来源
3.3.2 图像块量化不确定性与虚拟视觉单词
3.4 多尺度词包模型
3.4.1 视觉单词的空间与尺度关系
3.4.2 模型原理
3.4.3 模型分析
3.5 实验分析与讨论
3.5.1 基于BOW的监督分类
3.5.2 实验数据
3.5.3 虚拟视觉单词分析
3.5.4 参数分析
3.5.5 多尺度词包模型分析
3.6 本章小结
第四章 基于层次主题模型的遥感影像层次聚类
4.1 概述
4.2 层次主题模型
4.2.1 模型原理
4.2.2 模型评价方法
4.3 基于多尺度词包表示的层次主题模型
4.3.1 尺度问题
4.3.2 模型实现
4.4 实验分析与讨论
4.4.1 实验数据
4.4.2 层次主题构造
4.4.3 性能评价
4.4.4 参数分析
4.4.5 模型比较与讨论
4.4.6 多地类遥感影像的层次聚类
4.5 本章小结
第五章 基于半监督主题模型的遥感影像分类算法
5.1 概述
5.2 多条件学习
5.3 半监督主题模型
5.3.1 监督主题模型
5.3.2 模型原理
5.3.3 模型推导与算法
5.3.4 分类预测
5.4 实验分析与讨论
5.4.1 实验数据
5.4.2 模型设置
5.4.3 参数评价
5.4.4 半监督分类结果
5.4.5 其它数据集的分类精度
5.4.6 计算复杂度分析
5.5 本章小结
第六章 结论与展望
6.1 结论
6.2 研究展望
参考文献
致谢
攻读博士学位期间已发表或录用的文章
攻读博士学位期间参与的科研项目