高光譜圖像混合像元非線性分解技術(shù)

第1章 高光譜圖像遙感基本理論及主要處理技術(shù)
1．1 光譜成像技術(shù)的發(fā)展與應(yīng)用
1．2 高光譜圖像混合像元光譜分解技術(shù)
1．3 高光譜分類(lèi)方法研究進(jìn)展
1．4 高光譜異常目標(biāo)探測(cè)技術(shù)
1．5 高光譜目標(biāo)探測(cè)研究進(jìn)展
1．6 高光譜圖像降維技術(shù)
本章參考文獻(xiàn)
第2章 高光譜非線性光譜分解的研究基礎(chǔ)
2．1 引言
2．2 線性光譜分解
2．3 非線性光譜分解
2．4 端元提取算法
2．5 混合像元分解的精度評(píng)價(jià)
2．6 端元提取算法驗(yàn)證
2．7 本章小結(jié)
本章參考文獻(xiàn)
第3章 基于流形學(xué)習(xí)的非線性降維算法的研究
3．1 引言
3．2 高光譜數(shù)據(jù)的非線性結(jié)構(gòu)
3．3 流形學(xué)習(xí)算法
3．4 基于流形學(xué)習(xí)的非線性降維算法的實(shí)驗(yàn)結(jié)果及分析
3．5 本章小結(jié)
本章參考文獻(xiàn)
第4章 基于標(biāo)志點(diǎn)選擇的快速端元提取算法
4．1 引言
4．2 基于標(biāo)志點(diǎn)的Isomap算法
4．3 基于區(qū)域分割和空間信息的標(biāo)志點(diǎn)選擇算法
4．4 基于標(biāo)志點(diǎn)選擇的快速端元提取算法
4．5 實(shí)驗(yàn)結(jié)果及分析
4．6 本章小結(jié)
本章參考文獻(xiàn)
第5章 基于非均質(zhì)背景的端元信息提取方法的研究
5．1 引言
5．2 空間預(yù)處理
5．3 基于等距映射和背景空間信息的端元提取算法
5．4 基于局部切空間排列和背景空間信息的端元提取算法
5．5 實(shí)驗(yàn)結(jié)果及分析
5．6 本章小結(jié)
本章參考文獻(xiàn)
第6章 基于端元優(yōu)化的非線性光譜分解算法
6．1 引言
6．2 基于分層貝葉斯模型的參數(shù)估計(jì)
6．3 基于端元優(yōu)化的非線性光譜解混算法
6．4 實(shí)驗(yàn)結(jié)果及分析
6．5 本章小結(jié)
本章參考文獻(xiàn)
第7章 高光譜遙感影像分類(lèi)方法
7．1 非監(jiān)督分類(lèi)
7．2 高光譜圖像分類(lèi)精度評(píng)價(jià)
7．3 高光譜遙感影像非監(jiān)督分類(lèi)算法驗(yàn)證
7．4 監(jiān)督分類(lèi)
7．5 本章小結(jié)
本章參考文獻(xiàn)
第8章 多分類(lèi)器組合的高光譜分類(lèi)新方法
8．1 多分類(lèi)器組合的高光譜分類(lèi)新方法
8．2 決策樹(shù)組合分類(lèi)算法
8．3 高光譜分類(lèi)實(shí)驗(yàn)與結(jié)果分析
8．4 本章小結(jié)
本章參考文獻(xiàn)
第9章 高光譜影像亞像元級(jí)目標(biāo)識(shí)別技術(shù)
9．1 高光譜影像概述
9．2 高光譜圖像的背景高斯化
9．3 RX異常探測(cè)算法
9．4 低概率探測(cè)算法
9．5 基于三維高斯馬爾可夫模型的異常探測(cè)算法
9．6 利用背景殘差數(shù)據(jù)的異常探測(cè)算法（FRX）
9．7 異常探測(cè)算法性能評(píng)價(jià)及實(shí)驗(yàn)結(jié)果
9．8 本章小結(jié)
本章參考文獻(xiàn)
第10章 基于高光譜的目標(biāo)探測(cè)方法
10．1 引言
10．2 光譜角填圖
10．3 約束最小能量算子目標(biāo)識(shí)別算法
10．4 基于歐氏距離加權(quán)樣本自相關(guān)矩陣的目標(biāo)探測(cè)算法
10．5 基于端元提取的全像素目標(biāo)探測(cè)算法
10．6 本章小結(jié)
本章參考文獻(xiàn)