| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·研究背景与意义 | 第7页 |
| ·建筑物识别的研究现状 | 第7-9页 |
| ·基于像元的建筑物识别 | 第7-8页 |
| ·基于几何结构的建筑物识别 | 第8页 |
| ·基于对象的建筑物识别 | 第8-9页 |
| ·论文的主要内容与框架结构 | 第9-12页 |
| ·本文的主要内容 | 第9-10页 |
| ·本文的框架结构 | 第10-12页 |
| 第2章 基于SQL SERVER的建筑物样本数据库的建立 | 第12-34页 |
| ·SQL SERVER 2008的简介与应用 | 第12-14页 |
| ·关系模型的特点与关系的规范化 | 第12-13页 |
| ·关系数据库的设计原则 | 第13页 |
| ·三种数据库的对比 | 第13-14页 |
| ·实验数据的获取与分析处理 | 第14-16页 |
| ·入库区域数据的选择与描述 | 第14-15页 |
| ·入库区域建筑物特点分析 | 第15-16页 |
| ·基于影像目标的地物特征提取 | 第16-27页 |
| ·光谱特征参数 | 第17-18页 |
| ·几何特征参数 | 第18-20页 |
| ·纹理特征参数 | 第20-22页 |
| ·特征参数的提取与计算 | 第22-27页 |
| ·建筑物样本数据库的建立 | 第27-34页 |
| ·表结构设计与关系建立 | 第27-33页 |
| ·建筑物样本数据库的用途和意义 | 第33-34页 |
| 第3章 遥感图像分类识别处理概述 | 第34-49页 |
| ·遥感图像分类的基本原理 | 第34-35页 |
| ·遥感图像分类过程 | 第35-37页 |
| ·分类算法中常用的距离 | 第35-36页 |
| ·分类算法的流程 | 第36-37页 |
| ·监督分类算法及其优缺点 | 第37-43页 |
| ·最小距离分类器 | 第37-40页 |
| ·神经网络分类器 | 第40-41页 |
| ·贝叶斯分类器 | 第41-42页 |
| ·监督分类算法的优缺点 | 第42-43页 |
| ·基于不同权重的综合分类器 | 第43-44页 |
| ·分类结果精度评价 | 第44-46页 |
| ·混淆矩阵 | 第44-45页 |
| ·基本精度评价指标 | 第45-46页 |
| ·辅助数据在分类中的应用 | 第46-47页 |
| ·分类图像后处理 | 第47-49页 |
| 第4章 实验分析与结果影像的处理 | 第49-66页 |
| ·实验样本采集 | 第49-50页 |
| ·MATLAB对SQL SERVER的访问 | 第50-51页 |
| ·分类识别实验与精度评定 | 第51-60页 |
| ·最小距离分类实验与精度评定 | 第51-53页 |
| ·神经网络分类实验与精度评定 | 第53-55页 |
| ·贝叶斯分类实验与精度评定 | 第55-58页 |
| ·基于不同权重的综合分类实验与精度评定 | 第58-60页 |
| ·分类精度比较分析 | 第60-61页 |
| ·分类影像后处理 | 第61-64页 |
| ·本章小结与分析 | 第64-66页 |
| 结论与展望 | 第66-68页 |
| 结论 | 第66页 |
| 展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 发表论文目录 | 第70-71页 |
| 致谢 | 第71页 |