| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外相关研究进展 | 第11-17页 |
| 1.2.1 遥感信息识别提取技术研究现状 | 第11-14页 |
| 1.2.2 遥感图像居民地信息提取研究现状 | 第14-17页 |
| 1.3 研究内容与研究路线 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 研究路线 | 第18-19页 |
| 1.4 论文章节安排 | 第19-21页 |
| 第二章 数据及其预处理 | 第21-26页 |
| 2.1 数据介绍 | 第21-22页 |
| 2.2 数据预处理 | 第22-26页 |
| 2.2.1 辐射定标 | 第23-24页 |
| 2.2.2 大气校正 | 第24页 |
| 2.2.3 几何校正 | 第24-26页 |
| 第三章 基于光谱特征决策树的居民地信息提取方法研究 | 第26-33页 |
| 3.1 GF-4 影像典型地物光谱指数特征提取与分析 | 第26-30页 |
| 3.2 基于光谱特征的决策树居民地信息分类与提取 | 第30-31页 |
| 3.3 精度评价与结果分析 | 第31-33页 |
| 第四章 基于时序光谱特征决策树的居民地信息提取方法研究 | 第33-47页 |
| 4.1 时序光谱指数特征提取与分析 | 第33-38页 |
| 4.2 时序光谱指数导数特征提取与分析 | 第38-44页 |
| 4.2.1 基于时序光谱指数的一阶导数特征提取与分析 | 第38-41页 |
| 4.2.2 基于时序光谱指数的二阶导数特征提取与分析 | 第41-44页 |
| 4.3 基于时序光谱特征的决策树居民地信息分类与提取 | 第44-46页 |
| 4.4 精度评价与结果分析 | 第46-47页 |
| 第五章 基于时序光谱特征全卷积神经网络的居民地信息提取方法研究 | 第47-58页 |
| 5.1 全卷积神经网络 | 第47-51页 |
| 5.1.1 深度学习简介 | 第47-48页 |
| 5.1.2 全卷积神经网络简介 | 第48页 |
| 5.1.3 全卷积神经网络原理 | 第48-50页 |
| 5.1.4 Caffe简介与安装环境 | 第50-51页 |
| 5.2 基于时序光谱特征的全卷积神经网络居民地信息提取方法 | 第51-56页 |
| 5.2.1 数据准备 | 第51-52页 |
| 5.2.2 模型训练 | 第52-54页 |
| 5.2.3 模型建立与信息提取 | 第54-56页 |
| 5.3 精度评价 | 第56页 |
| 5.4 实验结果对比与分析 | 第56-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 研究成果和结论 | 第58-59页 |
| 6.2 创新点 | 第59页 |
| 6.3 不足与展望 | 第59-60页 |
| 参考文献 | 第60-68页 |
| 附录 | 第68-82页 |
| 致谢 | 第82-85页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第85页 |
