第1章 高光谱图像分类概述
1.1 高光谱图像
1.2 高光谱图像分类现状
1.2.1 高光谱图像特征提取方法
1.2.2 高光谱分类器设计方法
1.2.3 高光谱图像特征提取及分类难点分析
参考文献
第2章 高光谱显微图像维度约减及分类
2.1 高光谱显微图像成像系统及数据采集
2.1.1 高光谱显微图像成像系统
2.1.2 膜性肾病病理组织标准化数据采集及预处理
2.2 基于空谱密度峰值的高光谱显微图像维度约减
2.2.1 引言
2.2.2 相关原理与方法
2.2.3 基于空谱密度峰值的维度约减方法
2.2.4 实验内容及结果分析
2.3 基于张量表示的高光谱显微图像多特征提取
2.3.1 引言
2.3.2 张量相关原理与知识
2.3.3 基于判别张量的多特征融合提取算法
2.3.4 实验内容及结果分析
2.4 基于张量回归分析的高光谱显微图像分类
2.4.1 引言
2.4.2 最小二乘回归分析方法
2.4.3 基于张量块的判别线性回归分析方法
2.4.4 实验内容及结果分析
参考文献
第3章 高光谱显微图像多尺度深度学习分类
3.1 基于深度学习的高光谱显微图像膜性肾病分类
3.1.1 图像数据预处理
3.1.2 膜性肾病分类模型
3.1.3 实验内容及结果分析
3.2 基于深度特征融合网络的高光谱显微图像分类
3.2.1 深度特征融合网络
3.2.2 实验内容及结果分析
3.3 基于Gabor引导CNN的高光谱显微图像分类
3.3.1 基于CNN和Gabor滤波器的分类算法
3.3.2 实验内容及结果分析
参考文献
第4章 高光谱图像结构感知学习模型及分类
4.1 基于结构感知协同表示的高光谱图像分类
4.1.1 引言
4.1.2 SaCRT模型
4.1.3 实验内容及结果分析
4.2 基于DMLSR的高光谱图像分类
4.2.1 引言
4.2.2 DMLSR模型
4.2.3 实验内容及结果分析
4.3 基于ICS-DLSR的滨海湿地数据样本空间变换
4.3.1 引言
4.3.2 滨海湿地典型地物高光谱遥感数据特征分析
4.3.3 基于回归表示的样本空间变换及ICS-DLSR模型
4.3.4 滨海湿地数据样本空间变换效果分析
4.4 基于SPCRGE的高光谱图像分类
4.4.1 引言
4.4.2 模型基础
4.4.3 SPCRGE模型
4.4.4 实验内容及结果分析
参考文献
第5章 高光谱图像空间信息提取及分类
5.1 基于多形变体输入的深度学习高光谱图像分类
5.1.1 DR-CNN模型
5.1.2 多形变体输入及特征提取
5.1.3 DR-CNN模型训练
5.1.4 实验内容及结果分析
5.2 基于像素对的数据增强及高光谱图像分类
5.2.1 像素配对模型
5.2.2 基于像素对输入的深度特征提取
5.2.3 实验内容及结果分析
5.3 基于像素块配对的高光谱图像深度网络分类
5.3.1 基于数据增强的CNN分类模型
5.3.2 传统样本扩充方法
5.3.3 基于像素块配对的样本扩充方法
5.3.4 实验内容及结果分析
参考文献
第6章 高光谱多源数据融合分类
6.1 多源遥感融合分类研究现状
6.1.1 多源传感器融合分类研究现状
6.1.2 基于高光谱的多源遥感融合分类研究现状
6.2 基于CNN的高光谱多源数据融合分类
6.2.1 双通道CNN与级联CNN
6.2.2 双分支CNN训练及分析
6.2.3 实验内容及结果分析
6.3 基于结构信息聚合的HSI与LiDAR数据的融合分类
6.3.1 基于IP-CNN的结构信息聚合分类模型
6.3.2 语义信息导向的分类模型及训练策略
6.3.3 HSI协同LiDAR数据分类实验
参考文献
展开