基于联合稀疏表示的高光谱遥感图像分类

目录

第一个书签之前

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要内容

第二章 高光谱遥感图像分类方法

2.1 高光谱遥感图像特征

2.2 高光谱遥感图像分类方法概述

2.2.1 有监督分类

2.2.2 无监督分类

2.3 精度评价指标

第三章 稀疏表示算法理论

3.1 稀疏表示模型

3.1.1 稀疏表示问题优化模型

3.1.2 稀疏表示分类模型

3.1.3 稀疏表示模型的优化算法

3.1.4 稀疏表示算法分类器的设计

3.2 基于空间信息的稀疏表示模型

3.2.1 平滑约束的稀疏表示模型

3.2.2 联合稀疏表示模型

3.2.3 分类器设计

3.3 本章小结

第四章 基于联合稀疏表示的高光谱遥感图像分类

4.1 基于谱聚类和联合稀疏表示的分类算法

4.1.1 谱聚类原理

4.1.2 分类算法实现

4.1.3 谱聚类实验结果分析

4.1.4 算法修正

4.1.5 算法流程

4.1.6 算法小节

4.2 基于邻域相似度和联合稀疏表示的分类算法

4.2.1 邻域相似度原理

4.2.2 分类算法实现

4.2.3 算法修正

4.2.4 算法步骤

4.2.5 算法小结

4.3 本章小结

第五章 基于联合稀疏表示算法的实验结果分析

5.1 实验数据

5.1.1 Indian Pines数据

5.1.2 PaviaU数据

5.2 Indian Pines高光谱遥感图像分类

5.2.1 实验结果

5.2.2 实验分析

5.3 PaviaU高光谱遥感图像分类

5.3.1 实验结果

5.3.2 实验分析

5.4 本章小节

总结与展望

参考文献

攻读学位期间取得的研究成果

致谢