基于稀疏表示的星载高光谱图像异常检测方法研究

目 录

第1章绪 论

1.1 课题背景及研究的目的和意义

1.2 星载高光谱遥感技术发展现状

1.2.1 星载高光谱遥感技术简介

1.2.2 星载高光谱遥感数据的传输

1.3 高光谱图像异常检测方法研究现状

1.3.1 高光谱图像异常检测方式

1.3.2 高光谱图像异常检测方法

1.3.3 异常污染抑制方法

1.3.4 高光谱图像异常检测方法的计算效率

1.4 研究现状总结

1.5 论文的主要研究内容

第2章基于稀疏系数修正的高光谱图像异常检测方法

2.1 引言

2.2 基于稀疏表示的高光谱图像异常检测原理

2.2.1 稀疏表示理论

2.2.2 过完备字典构建

2.2.3 稀疏表示系数求解及异常算子计算

2.3 基于系数修正的稀疏表示方法

2.3.1 基于系数修正的异常检测方法

2.3.2 字典异常污染约束的稀疏表示方法

2.3.3 基于堆叠自编码器的惩罚函数构建及光谱非线性处理

2.4 稀疏系数修正的高光谱图像异常检测实验验证

2.4.1 软硬件环境及评价指标

2.4.2 高光谱图像异常检测实验数据

2.4.3 高光谱图像异常检测对比实验介绍

2.4.4 实验结果及分析

2.5 本章小结

第3章基于快速秩和检验的背景样本筛选方法

3.1 引言

3.2 基于背景样本筛选的高光谱图像异常检测方法

3.3 面向堆叠自编码器模型更新的背景样本筛选方法

3.3.1 面向背景样本筛选的地物变化建模

3.3.2 地物背景变化检验

3.3.3 快速秩和计算方法

3.4 基于背景样本筛选的高光谱图像异常检测实验验证

3.4.1 实验内容及对比实验介绍

3.4.2 秩和计算验证及异常检测实验数据

3.4.3 秩和计算及异常检测评价指标

3.4.4 实验结果及分析

3.5 本章小结

第4章星载高光谱图像异常检测模型约减方法

4.1 引言

4.2 稀疏表示系数快速求解方法

4.2.1 稀疏表示系数递推矩阵求逆分析

4.2.2 稀疏表示系数递推计算方法

4.3 堆叠自编码器模型剪枝量化方法

4.3.1 面向可定制计算的算法执行效率分析

4.3.2 相对算量因子定义及分析

4.3.3 基于多目标优化的模型约减方法

4.4 模型约减方法实验验证

4.4.1 模型约减方法验证实验设计

4.4.2 模型约减建模数据及异常检测实验数据

4.4.3 稀疏系数快速求解及异常检测评价指标

4.4.4 实验结果及分析

4.5 本章小结

结 论

参考文献

攻读博士学位期间发表的论文及其它成果

声明

致 谢

个人简历