| 第一章 绪论 | 第1-15页 |
| 1．1 测深的意义 | 第7页 |
| 1．2 测深方法的发展 | 第7-12页 |
| 1．3 论文主要研究内容 | 第12-13页 |
| 1．4 论文的主要贡献 | 第13页 |
| 1．5 论文的组织结构 | 第13-15页 |
| 第二章 二类水体光学特性以及内在联系 | 第15-27页 |
| 2．1 引言 | 第15-16页 |
| 2．2 二类水体光学特性以及内在联系 | 第16-27页 |
| 2．2．1 海水水体固有光学特性 | 第16-21页 |
| 2．2．1．1 吸收特性 | 第16-19页 |
| 2．2．1．2 散射特性 | 第19-21页 |
| 2．2．2 海水水体表观光学特性 | 第21-23页 |
| 2．2．3 海底特性 | 第23-25页 |
| 2．2．4 表观光学特性和固有光学特性之间的关系 | 第25-27页 |
| 第三章 基于人工神经网络技术的高光谱遥感浅海水深反演 | 第27-47页 |
| 3．1 引言 | 第27页 |
| 3．2 创建光学浅水遥感反射比数据集 | 第27-32页 |
| 3．2．1 模拟数据集中考虑的光学浅水范围 | 第27-29页 |
| 3．2．2 创建光学浅水遥感反射比数据集的半分析算法 | 第29-32页 |
| 3．3 人工神经网络方法简介 | 第32-34页 |
| 3．4 人工神经网络建模中几个关键问题 | 第34-38页 |
| 3．4．1 样本数据集的划分 | 第34-35页 |
| 3．4．2 网络模型输入输出数据的预处理 | 第35-36页 |
| 3．4．3 隐含层层数以及神经元个数的选择 | 第36页 |
| 3．4．4 网络训练以及结果输出 | 第36-38页 |
| 3．5 现场实测数据对反演算法的印证 | 第38-45页 |
| 3．5．1 降低噪声 | 第38-39页 |
| 3．5．2 区分光学浅水和光学深水光谱 | 第39-44页 |
| 3．5．3 实测数据集的反演结果 | 第44-45页 |
| 3．6 网络模型的容错能力分析 | 第45-46页 |
| 3．7 影响反演结果精度的主要因素 | 第46-47页 |
| 第四章 光谱微分技术用于海底类型区分初探 | 第47-53页 |
| 4．1 引言 | 第47页 |
| 4．2 光谱微分技术用于海底类型区分 | 第47-53页 |
| 第五章 总结及展望 | 第53-55页 |
| 5．1 结论 | 第53页 |
| 5．2 今后开展的工作 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |