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
南京理工大学;