摘要
第1章绪论
1.1研究背景及意义
1.2高光谱图像的特点
1.3高光谱图像分类研究现状
1.4主要研究内容及章节安排
第2章高光谱图像分类相关理论
2.1基于光谱信息的分类算法
2.1.1KNN分类算法
2.1.2神经网络分类算法
2.2集成学习相关理论
2.2.1基本概念
2.2.2集成学习的优势
2.2.3集成学习的经典算法
2.3高光谱图像分类的评价指标
2.4本章小结
第3章联合空间-光谱特征的高光谱图像分类算法
3.1.1提取光谱特征
3.1.2空间特征提取
3.1.3支持向量机
3.2基于双通道神经网络的高光谱图像(CNN-RNN)分类算法
3.2.1CNN分支
3.2.2RNN分支
3.3基于3D-Gabor变换的高光谱图像(3D-Gabor-CNN)分类算法
3.3.1三维Gabor变换
3.3.2三维Gabor提取空谱特征
3.3.3基于三维Gabor与卷积神经网络的分类算法
3.4基于集成空间光谱多分类器的高光谱图像(EMC-ss)分类算法
3.4.1基分类器集成
3.4.2组合策略
3.5本章小结
第4章实验结果及分析
4.1Indian Pines数据集
4.1.1数据集介绍
4.1.2实验设置
4.1.3实验结果及分析
4.2Pavia University数据集
4.2.1Pavia U数据集介绍
4.2.2实验设置
4.2.3实验结果及分析
4.3Botswana数据集
4.3.1数据集介绍
4.3.2实验设置
4.3.3实验结果及分析
4.4本章小结
参考文献
致谢
攻读学位期间取得学术成果
声明
黑龙江大学;