| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 图表目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·选题依据和课题背景 | 第9页 |
| ·遥感技术 | 第9页 |
| ·课题提出 | 第9页 |
| ·国内外研究动态 | 第9-11页 |
| ·遥感信息处理技术的发展 | 第9-10页 |
| ·模式识别在遥感图像信息处理中的应用 | 第10-11页 |
| ·本文的主要工作和编排 | 第11页 |
| ·本章小结 | 第11-12页 |
| 第二章 遥感图像分类识别技术 | 第12-18页 |
| ·概述 | 第12页 |
| ·遥感图像分类的概念及原理 | 第12-13页 |
| ·遥感图像分类的特点和原则 | 第13页 |
| ·图像分类统计量 | 第13-15页 |
| ·监督分类和非监督分类的概念 | 第15-17页 |
| ·遥感图像的非监督分类 | 第15-16页 |
| ·监督分类 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 纹理分析 | 第18-28页 |
| ·概述 | 第18页 |
| ·纹理分析概念及分析方法 | 第18-19页 |
| ·灰度共生矩阵(Gray Level Co_occurrence Matrix,GLOM) | 第19-25页 |
| ·矩阵基本原理 | 第19-21页 |
| ·矩阵特征 | 第21页 |
| ·二次统计特征量 | 第21-25页 |
| ·共生矩阵的实现 | 第25-26页 |
| ·纹理分析方法的比较 | 第26页 |
| ·遥感图像的纹理特征 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四草 神经模糊网络 | 第28-36页 |
| ·神经网络的基本机理和结构 | 第28-29页 |
| ·反向传播(BP)神经网络模型 | 第29-33页 |
| ·模糊逻辑 | 第33页 |
| ·神经模糊系统 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 遥感图像分类试验 | 第36-58页 |
| ·试验数据来源与实验目的 | 第36页 |
| ·使用纹理方法对遥感图像进行分类 | 第36-50页 |
| ·图像的预处理 | 第37-40页 |
| ·计算灰度共生矩阵并提取二次统计特征量 | 第40-42页 |
| ·遥感图像纹理识别实验 | 第42-45页 |
| ·模糊C均值分类器 | 第45-46页 |
| ·分类实验结果及分析 | 第46-50页 |
| ·神经模糊网络分类 | 第50-57页 |
| ·数据预处理 | 第50页 |
| ·使用神经模糊系统对遥感图像进行分类实验 | 第50-56页 |
| ·分类实验结果及分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 研究生期间发表论文 | 第60-61页 |
| 参考文献 | 第61-62页 |