文摘
英文文摘
论文说明:图表目录、英文缩写说明、符号说明
第1章绪论
1.1课题背景及意义
1.2高光谱遥感技术的发展现状
1.3光谱解混技术的研究现状
1.3.1线性光谱混合模型
1.3.2端元选择技术
1.3.3混合像元分解技术
1.4本文的主要研究内容与组织结构
1.5本文所采用的数据源
第2章现有的非监督光谱解混技术
2.1基于独立分量分析的非监督光谱解混
2.1.1盲信号分离
2.1.2独立分量分析
2.1.3独立分量分析在光谱解混中的应用
2.2基于非负矩阵分解的非监督光谱解混
2.2.1非负矩阵分解
2.2.2非负矩阵分解在光谱解混中的应用
2.3端元个数的确定方法
2.4本章小结
第3章结合图像空间信息的ICA模型
3.1 Markov随机场与Gibbs分布
3.1.1邻域系统与集簇
3.1.2 Markov随机场
3.1.3 Gibbs分布
3.2 Markov随机场模型
3.2.1自生模型(Auto Model)
3.2.2多级逻辑模型(Multi-level Logistic,MLL)
3.3用于光谱解混的Markov随机场模型
3.4 MRF-ICA混合模型
3.4.1参数估计和算法描述
3.5实验结果
3.5.1合成图像
3.5.2真实图像
3.5.3高光谱图像
3.6本章小结
第4章光谱和空间复杂度的盲信号分离技术
4.1 Kolmogorov复杂性
4.2复杂度映射
4.3扩展的基于复杂度的盲信号分离技术
4.3.1空间复杂度的盲信号分离技术
4.3.2光谱和空间复杂度的盲信号分离技术
4.4基于复杂度的盲信号分离技术适用于光谱解混的理论依据
4.5梯度下降优化算法
4.6实验结果
4.6.1欠完备的独立分量分析
4.6.2性能评价指标
4.6.3合成数据
4.6.4真实数据
4.7本章小结
4.8定理4.2的证明
第5章包含非负和稀疏约束的基于复杂度的盲信号分离技术
5.1光谱的变化性
5.2高光谱数据的复杂度模型
5.3非负约束的基于复杂度的盲信号分离技术
5.4稀疏约束的基于复杂度的盲信号分离技术
5.4.1稀疏性
5.4.2采用nsNMF的基于复杂度的盲信号分离技术
5.4.3采用NMFSC的基于复杂度的盲信号分离技术
5.5包含非负和稀疏约束的基于复杂度的盲信号分离算法描述
5.6实验结果
5.6.1合成数据
5.6.2真实数据
5.7本章小结
5.8定理5.1的证明
第6章结论与展望
6.1本文的主要工作和创新点
6.2进一步的工作展望
参考文献
攻读博士学位期间主要的研究成果
致谢