| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 传统遥感语义分类 | 第10-13页 |
| 1.3.2 深度神经网络应用于遥感 | 第13-14页 |
| 1.4 论文研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第2章 面向对象遥感与深度神经网络原理 | 第17-30页 |
| 2.1 面向对象遥感 | 第17-19页 |
| 2.1.1 面向对象遥感基本原理 | 第17-18页 |
| 2.1.2 面向对象遥感主要概念 | 第18-19页 |
| 2.2 深度神经网络 | 第19-30页 |
| 2.2.1 人工神经网络 | 第19-25页 |
| 2.2.2 卷积神经网络 | 第25-30页 |
| 第3章 深度神经网络应用于面向对象遥感分类可行性分析 | 第30-41页 |
| 3.1 基于深度神经网络的面向对象遥感分类基本流程 | 第30-31页 |
| 3.2 数据集简介 | 第31-35页 |
| 3.2.1 研究区域 | 第31页 |
| 3.2.2 数据预处理 | 第31-32页 |
| 3.2.3 基于卷积神经网络的面向对象遥感数据提取 | 第32-35页 |
| 3.3 卷积核大小和步长设计策略研究 | 第35-37页 |
| 3.3.1 网络结构设计 | 第35页 |
| 3.3.2 结果分析 | 第35-37页 |
| 3.4 基于感知哈希算法的卷积特征图分析 | 第37-40页 |
| 3.4.1 感知哈希算法 | 第37-38页 |
| 3.4.2 结果分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于光谱-空间信息的并行深度神经网络分类 | 第41-55页 |
| 4.1 基于光谱-空间信息的并行深度神经网络分类框架 | 第41-42页 |
| 4.2 多波段影像和全色影像网络结构 | 第42-43页 |
| 4.3 空谱并行深度神经网络结构 | 第43-44页 |
| 4.4 空谱并行深度神经网络训练与误差反传策略 | 第44-45页 |
| 4.5 实验结果和分析 | 第45-54页 |
| 4.5.1 运行效率对比 | 第45-46页 |
| 4.5.2 结果分析 | 第46-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 基于三维深度卷积策略的多尺度遥感分类 | 第55-64页 |
| 5.1 三维深度卷积策略 | 第55-56页 |
| 5.2 基于三维深度卷积策略的多尺度遥感分类 | 第56-58页 |
| 5.3 实验与分析 | 第58-62页 |
| 5.3.1 数据集 | 第58-59页 |
| 5.3.2 实验结果 | 第59-60页 |
| 5.3.3 实验结果分析 | 第60-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士期间参与的项目及研究成果 | 第72页 |
