基于空间--光谱联合信息的高光谱图像分类算法研究

目录

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