高分遥感图像海岸带变化监测技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题的背景及来源 | 第9-10页 |
| 1.2 课题研究的目的和意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-17页 |
| 1.3.1 变化检测研究现状 | 第11-13页 |
| 1.3.3 深度学习研究现状 | 第13-15页 |
| 1.3.4 海岸带变化监测研究现状 | 第15-16页 |
| 1.3.5 研究现状的总结 | 第16-17页 |
| 1.4 本文的主要研究内容 | 第17-19页 |
| 第2章 遥感图像变化检测 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 变化检测原理 | 第19-21页 |
| 2.2.1 基本概念 | 第19-20页 |
| 2.2.2 一般流程 | 第20-21页 |
| 2.3 变化检测经典方法 | 第21-27页 |
| 2.3.1 变化向量分析 | 第21-22页 |
| 2.3.2 主成分分析法 | 第22页 |
| 2.3.3 多元变化分析 | 第22-24页 |
| 2.3.4 定量化评价指标 | 第24-27页 |
| 2.4 研究数据及区域介绍 | 第27-32页 |
| 2.4.1 GF1WFV数据 | 第27页 |
| 2.4.2 研究区域概况及真值图 | 第27-30页 |
| 2.4.3 数据预处理 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于慢特征分析的变化检测 | 第33-52页 |
| 3.1 引言 | 第33页 |
| 3.2 慢特征分析技术 | 第33-35页 |
| 3.2.1 慢原理 | 第33-34页 |
| 3.2.2 慢特征分析 | 第34-35页 |
| 3.3 慢特征分析网络 | 第35-37页 |
| 3.4 慢特征分析变化检测 | 第37-41页 |
| 3.4.1 慢特征分析变化检测 | 第37-39页 |
| 3.4.2 EM阈值分割 | 第39-41页 |
| 3.5 实验结果与分析 | 第41-51页 |
| 3.5.2 实验设置 | 第41-42页 |
| 3.5.3 实验结果与分析 | 第42-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 海岸带多时相变化类型识别 | 第52-67页 |
| 4.1 引言 | 第52页 |
| 4.2 多核支持向量机 | 第52-54页 |
| 4.3 长短时记忆网络类型识别 | 第54-59页 |
| 4.3.1 RNN与LSTM | 第54-58页 |
| 4.3.2 LSTM类型识别 | 第58-59页 |
| 4.4 实验结果与分析 | 第59-66页 |
| 4.4.1 实验设置 | 第59-60页 |
| 4.4.2 结果分析 | 第60-66页 |
| 4.5 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第74-76页 |
| 致谢 | 第76页 |
