考虑植被季相节律的高分辨率遥感影像城市森林分类
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 前言 | 第9-19页 |
| 1.1. 研究背景与意义 | 第9-10页 |
| 1.2. 国内外研究现状 | 第10-15页 |
| 1.2.1. 城市森林的发展历史 | 第10页 |
| 1.2.2. 遥感分类技术研究现状 | 第10-13页 |
| 1.2.3. 森林遥感分类研究进展 | 第13-15页 |
| 1.3. 目前研究存在的问题与不足 | 第15页 |
| 1.4. 研究内容与技术路线 | 第15-17页 |
| 1.4.1. 研究内容 | 第15-16页 |
| 1.4.2. 技术路线 | 第16-17页 |
| 1.5. 论文组织结构 | 第17-19页 |
| 第二章 研究区与数据源 | 第19-24页 |
| 2.1. 研究区概况 | 第19-21页 |
| 2.2. 数据来源 | 第21-24页 |
| 2.2.1. 遥感影像 | 第21-22页 |
| 2.2.2. 实地调查 | 第22-24页 |
| 第三章 遥感影像预处理 | 第24-30页 |
| 3.1. 数据校正 | 第24-25页 |
| 3.2. 影像融合 | 第25-30页 |
| 3.2.1. 多光谱全色融合 | 第25-26页 |
| 3.2.2. 融合评价 | 第26-30页 |
| 第四章 考虑植被季相节律的分层分类 | 第30-39页 |
| 4.1. 光谱特征提取 | 第30-31页 |
| 4.2. 纹理特征提取 | 第31-33页 |
| 4.3. 分层分类 | 第33-38页 |
| 4.3.1. 一层分类 | 第33页 |
| 4.3.2. 二层分类 | 第33页 |
| 4.3.3. 三层分类 | 第33-36页 |
| 4.3.4. 四层分类 | 第36-38页 |
| 4.4. 分类结果和精度评价 | 第38-39页 |
| 第五章 基于机器学习分类器的分类 | 第39-56页 |
| 5.1. 基于像元的分类方法 | 第39-47页 |
| 5.1.1. 特征选择 | 第39-41页 |
| 5.1.2. 非特征优选与特征优选的比较 | 第41-43页 |
| 5.1.3. 城市森林分类实验 | 第43-47页 |
| 5.2. 面向对象的分类方法 | 第47-56页 |
| 5.2.1. 多尺度分割 | 第47-49页 |
| 5.2.2. 特征提取 | 第49-50页 |
| 5.2.3. 城市森林分类实验 | 第50-56页 |
| 第六章 分类方法优选 | 第56-60页 |
| 6.1. 精度对比与综合评价 | 第56-58页 |
| 6.2. 城市森林空间分布制图 | 第58-60页 |
| 第七章 结论与展望 | 第60-63页 |
| 7.1. 结论 | 第60页 |
| 7.2. 研究特色 | 第60-61页 |
| 7.3. 展望 | 第61-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 参考文献 | 第64-70页 |
