基于生成式对抗网络的高光谱图像聚类算法及应用系统

目录

声明

1 绪论

1.1 课题研究背景与意义

1.2 相关领域的研究现状

1.2.1 高光谱遥感图像分类研究现状

1.2.2 生成式对抗网络研究现状

1.3 论文的主要内容和组织结构

1.3.1 论文的主要内容

1.3.2 论文的组织结构

2 传统聚类算法在高光谱遥感图像上的比较

2.1 传统聚类算法

2.1.1 K均值算法（K-Means Clustering）

2.1.2 学习向量量化算法（Learning Vector Quantization，LVQ）

2.1.3 层次聚类（Hierarchical Clustering）

2.1.4 密度聚类

2.2 传统聚类算法比较实验及结果分析

2.3 本章小结

3 基于 HSGAN模型的高光谱遥感图像聚类

3.1 生成式对抗网络（GAN）

3.2 针对一维光谱数据的 GAN模型

3.3 HSGAN无监督聚类实验及结果分析

3.3.1 基于 HSGAN的样本生成与聚类

3.3.2 基于 HSGAN鉴别器的特征提取与聚类

3.3.3 基于 HSGAN的样本生成和特征提取聚类

3.4 本章小结

4 基于改进版 HSGAN模型的高光谱遥感图像聚类

4.1 基于 VAE的 HSGAN改进模型

4.1.1 VAE-GAN模型

4.1.2 基于 VAE-GAN 的高光谱遥感图像聚类实验与结果分析

4.2 基于高层次抽象特征的 HSGAN鉴别器改进模型

4.3 本章小结

5 高光谱遥感图像聚类分析软件

5.1 系统概述

5.1.1 实现目标

5.1.2 系统开发环境

5.1.3 主要开发语言及平台

5.2.4 系统流程图

5.2.5 系统模块构成

5.2 系统功能设计

5.2.1 高光谱遥感图像读入模块

5.2.2 模拟数据生成模块

5.2.3 特征提取模块

5.2.4 用户交互模块

5.2.3 聚类算法模块

5.3 本章小结

6 结论与展望

6.1 结论

6.2 展望

致谢

参考文献

附录