声明
摘要
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 研究区与数据源
1.4 本文研究内容
1.5 论文组织结构
第二章 支持向量数据描述基本理论
2.1 统计学习理论
2.1.1 机器学习
2.1.2 经验风险最小化
2.1.3 结构风险最小化
2.2 支持向量机
2.2.1 支持向量机分类原理
2.2.2 核函数
2.2.3 支持向量机多分类
2.3 支持向量数据描述
2.3.1 硬间隔数据描述
2.3.2 软间隔数据描述
2.3.3 支持向量数据描述分类
2.4 本章小结
第三章 基于加权支持向量数据描述的病害松树识别
3.1 图像特征描述
3.1.1 颜色特征
3.1.2 纹理特征
3.2 加权支持向量数据描述多分类
3.2.1 加权支持向量数据描述
3.2.2 权重系数的确定
3.2.3 多分类方法
3.3 遥感图像病害松树识别方法
3.4 实验结果与分析
3.5 本章小结
第四章 基于多特征和改进WWSVDD多分类的病害松树识别
4.1 图像特征描述
4.1.1 基于单像素的特征描述
4.1.2 基于局部区域的特征描述
4.2 核K近邻
4.3 改进的WWSVDD多分类方法
4.3.1 小波核函数
4.3.2 改进的多分类方法
4.4 遥感图像病害松树识别方法
4.5 实验结果与分析
4.6 本章小结
第五章 基于特征稀疏表示和WWSVDD的多级病害松树识别
5.1 稀疏表示
5.1.1 信号处理的基本方法
5.1.2 稀疏表示问题的描述
5.2 字典构造
5.2.1 固定字典
5.2.2 学习字典
5.3 稀疏求解
5.3.1 匹配追踪类算法
5.3.2 l1范数正则化算法
5.4 多级病害松树识别方法
5.5 实验结果与分析
5.6 本章小结
第六章 总结与展望
6.1 全文工作总结
6.2 今后工作展望
参考文献
致谢
攻读硕士期间发表的论文
攻读硕士期间参与的科研项目