声明
摘要
第1章绪论
1.1课题研究背景及意义
1.2.1高光谱遥感技术的发展
1.2.2高光谱图像数据特点
1.3高光谱图像聚类研究现状
1.4高光谱图像分类研究现状
1.5本文的研究内容与组织结构
第2章高光谱遥感图像聚类理论
2.1.1高光谱图像聚类流程
2.1.2高光谱图像聚类精度评价方法
2.2传统聚类技术
2.2.1基于划分的聚类算法
2.2.2基于层次的聚类算法
2.2.3基于密度的聚类算法
2.3高光谱图像聚类的改进思路
2.3.1预聚类算法
2.3.2变换像元距离度量标准
2.4仿真结果与分析
2.5本章小结
第3章高光谱遥感图像分类理论
3.1高光谱图像分类理论
3.1.1高光谱图像分类流程
3.1.2分类精度评价方法
3.2有监督分类方法
3.3半监督分类方法
3.4基于空间信息的分类算法
3.4.1基于核函数的空间信息分类算法
3.4.2基于SVM的空间信息分类算法
3.5孪生SVM相关理论
3.5.1线性可分的孪生SVM
3.5.2非线性可分的孪生SVM
3.6仿真结果与分析
3.7本章小结
第4章基于聚类信息指导的高光谱图像空-谱半监督分类算法
4.1引言
4.2基本理论算法
4.2.1空间信息辅助方式
4.2.2 K_Medoids聚类算法的深度改进
4.2.3基于概率模型的SVM
4.2.4基于Gabor滤波的空间特征提取
4.3结合改进聚类算法与主动学习的高光谱图像半监督分类
4.4仿真结果与分析
4.5本章小结
第5章融合聚类特征的高光谱图像半监督协同分类算法
5.1引言
5.2基本理论算法
5.2.1最小二乘孪生SVM
5.2.2协同训练理论
5.2.3 K_Means聚类算法的深度改进
5.3融合聚类特征的高光谱半监督协同分类
5.4仿真结果与分析
5.5本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢