|
|
|
稀疏与低秩先验下的高光谱分类与检测方法 |
|
论文目录 |
|
摘要 | 第5-7页 | Abstract | 第7-8页 | 1 绪论 | 第12-27页 | 1.1 问题背景及研究意义 | 第12-14页 | 1.2 高光谱数据特点 | 第14-15页 | 1.3 国内外研究现状 | 第15-21页 | 1.3.1 高光谱分类 | 第15-18页 | 1.3.2 高光谱目标检测 | 第18-20页 | 1.3.3 高光谱视频序列中的气体检测 | 第20-21页 | 1.4 论文的研究思路及内容 | 第21-27页 | 1.4.1 稀疏与低秩先验 | 第22-23页 | 1.4.2 论文研究内容与创新点 | 第23-25页 | 1.4.3 论文的组织结构 | 第25-27页 | 2 基于自适应上下文空间信息的联合稀疏表示分类方法 | 第27-43页 | 2.1 引言 | 第27-28页 | 2.2 基于自适应上下文的空谱联合稀疏表示分类方法 | 第28-32页 | 2.2.1 联合稀疏表示模型 | 第28-29页 | 2.2.2 基于Steering核的自适应空间上下文建模 | 第29-31页 | 2.2.3 自适应上下文的空谱联合分类 | 第31-32页 | 2.3 实验结果与分析 | 第32-42页 | 2.3.1 实验数据 | 第32-34页 | 2.3.2 评价指标 | 第34-35页 | 2.3.3 实验结果 | 第35-42页 | 2.3.4 参数h和M的影响 | 第42页 | 2.4 本章小结 | 第42-43页 | 3 基于低秩分解的空谱联合分类方法 | 第43-61页 | 3.1 引言 | 第43-44页 | 3.2 高光谱图像中的低秩特征提取 | 第44-47页 | 3.3 基于低秩分解的空谱联合分类模型和算法 | 第47-49页 | 3.4 实验结果与分析 | 第49-60页 | 3.4.1 低秩特征分析 | 第50-52页 | 3.4.2 本章所提算法结果 | 第52-59页 | 3.4.3 参数的选择 | 第59页 | 3.4.4 执行时间 | 第59-60页 | 3.5 本章小结 | 第60-61页 | 4 基于低秩和稀疏表示的高光谱图像异常检测 | 第61-84页 | 4.1 引言 | 第61-62页 | 4.2 异常检测理论及RX算法 | 第62-63页 | 4.3 基于低秩和稀疏表示的异常检测 | 第63-70页 | 4.3.1 低秩表示异常检测框架 | 第63-64页 | 4.3.2 稀疏正则项的设计 | 第64-65页 | 4.3.3 背景字典的构造 | 第65-67页 | 4.3.4 模型求解 | 第67-70页 | 4.4 实验结果及分析 | 第70-82页 | 4.4.1 测试数据集 | 第70-73页 | 4.4.2 评价指标 | 第73页 | 4.4.3 检测结果 | 第73-81页 | 4.4.4 参数分析 | 第81-82页 | 4.4.5 算法的执行时间对比实验 | 第82页 | 4.5 本章小结 | 第82-84页 | 5 基于时空TV正则化低秩矩阵分解的高光谱视频气体检测 | 第84-102页 | 5.1 引言 | 第84-85页 | 5.2 时空TV正则化低秩分解模型及算法 | 第85-91页 | 5.2.1 基于低秩分解的视频目标检测 | 第85-86页 | 5.2.2 时空TV正则化的低秩分解模型 | 第86-87页 | 5.2.3 模型求解 | 第87-91页 | 5.3 基于LRSTV的高光谱视频气体检测方法 | 第91-94页 | 5.4 实验结果与分析 | 第94-101页 | 5.4.1 测试数据 | 第94-95页 | 5.4.2 评价指标 | 第95页 | 5.4.3 检测结果 | 第95-100页 | 5.4.4 参数分析 | 第100-101页 | 5.5 本章小结 | 第101-102页 | 6 结束语 | 第102-105页 | 6.1 本文工作总结 | 第102-103页 | 6.2 下一步研究方向 | 第103-105页 | 致谢 | 第105-106页 | 参考文献 | 第106-120页 | 攻读博士学位期间发表论文与专利情况 | 第120-121页 | 攻读博士学位期间参加课题及资助基金 | 第121页 |
|
|
|
|
论文编号BS2480292,这篇论文共121页 会员购买按0.35元/页下载,共需支付42.35元。 直接购买按0.5元/页下载,共需要支付60.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|