对于光谱带约束最小二乘求解算法与其在高光谱遥感混合像元分解中运用设计

摘要4-5

Abstract5-8

第一章 绪论8-15

1.1 选题作用和目的8-10

1.2 课题背景10

1.3 国内外探讨近况及有着不足10-12

1.4 高光谱数据源及探讨区概括12-13

1.4.1 数据来源12-13

1.4.2 探讨区概况13

1.5 探讨内容及论文组织13-15

1.5.1 探讨内容13-14

1.5.2 论文组织14-15

第二章 高光谱遥感概论15-36

2.1 高光谱遥感概述15-22

2.1.1 高光谱成像技术的进展15-20

2.1.2 高光谱成像数据的特点和表达方式20-22

2.2 高光谱遥感图像降噪概述22-25

2.3 高光谱遥感图像降维概述25-31

2.3.1 高光谱图像降维主成分浅析25-28

2.3.2 高光谱图像降维最小噪声分离28-31

2.4 端元提取算法概述31-34

2.4.1 端元提取概述31-32

2.4.2 纯净像元指数32-33

2.4.3 N-FINDR33-34

2.4.4 其他算法34

2.5 混合像元分解算法概述34-36

第三章 基于线性混合模型的光谱解混技术概述36-42

3.1 混合光谱分解模型概述36

3.2 非线性混合光谱分解模型简述36-39

3.2.1 概率模型38

3.2.2 模糊模型38-39

3.2.3 几何模型39

3.2.4 其他模型39

3.3 线性混合光谱分解模型简述39-42

3.3.1 线性混合光谱模型39-40

3.3.2 混中的像元分解算法探讨进展40-42

第四章 带约束的混合像元分解最小二乘算法及其运用42-57

4.1 无约束最小二乘算法42-46

4.2 带约束的最小二乘算法46-55

4.2.1 ASC（abundance sum-to-one constraint）约束下最小二乘法算法及其具体实现46-50

4.2.1.1 ASC 算法设计47

4.2.1.2 算法实现47-50

4.2.2 ANC（abundance nonnegativity constraint）约束下最小二乘法算法及其具体实现50-55

4.2.2.1 ANC 算法设计52

4.2.2.2 算法实现52-55

4.3 带约束的最小二乘算法模型的比较及结果浅析55-57

总结与展望57-58

致谢58-59