基于BP神经网络的遥感影像分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·研究的主要内容 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 2 遥感影像分类 | 第14-20页 |
| ·遥感影像分类概述 | 第14-15页 |
| ·遥感影像分类基本原理 | 第14-15页 |
| ·遥感影像分类过程 | 第15页 |
| ·遥感影像分类方法 | 第15-18页 |
| ·非监督分类 | 第15-16页 |
| ·监督分类 | 第16-18页 |
| ·遥感影像分类精度评价 | 第18-20页 |
| 3 BP神经网络算法和遗传算法 | 第20-30页 |
| ·神经网络概述 | 第20-21页 |
| ·神经网络 | 第20-21页 |
| ·神经网络主要特点及应用 | 第21页 |
| ·BP神经网络 | 第21-27页 |
| ·BP神经网络的基本思想 | 第21-23页 |
| ·BP神经网络算法步骤 | 第23-24页 |
| ·神经网络工具箱 | 第24-25页 |
| ·BP神经网络局限性 | 第25页 |
| ·BP神经网络算法的改进 | 第25-27页 |
| ·遗传算法 | 第27-30页 |
| ·遗传算法 | 第27页 |
| ·遗传算法步骤 | 第27-28页 |
| ·遗传算法工具箱 | 第28-30页 |
| 4 基于改进型BP神经网络影像分类的数据预处理 | 第30-42页 |
| ·数据介绍 | 第30-31页 |
| ·遥感影像校正 | 第31-32页 |
| ·遥感影像NDVI指数提取 | 第32-33页 |
| ·遥感影像最优波段组合 | 第33-35页 |
| ·图像融合 | 第35-37页 |
| ·影像纹理分析 | 第37-42页 |
| ·基于灰度共生矩阵的纹理分析 | 第37-38页 |
| ·提取纹理特征信息 | 第38-39页 |
| ·纹理特征信息筛选 | 第39-42页 |
| 5 基于BP神经网络影像分类实验及结果 | 第42-58页 |
| ·研究区土地覆盖分类体系确定 | 第42-43页 |
| ·土地覆盖分类体系的原则 | 第42页 |
| ·分类体系和解译标识的建立 | 第42-43页 |
| ·样本数据的获取与处理 | 第43-44页 |
| ·样本数据的获取 | 第43-44页 |
| ·样本数据的处理 | 第44页 |
| ·BP神经网络结构确定 | 第44-45页 |
| ·BP神经网络的GA优化 | 第45-48页 |
| ·遗传算法工具箱控制参数 | 第45-47页 |
| ·BP算法的GA优化 | 第47-48页 |
| ·基于BP神经网络遥感影像分类研究 | 第48-49页 |
| ·分类结果及各方法精度对比分析 | 第49-58页 |
| 结论与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录A | 第64-66页 |
| 附录B | 第66页 |
