基于机器学习的遥感图像水体提取研究
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 研究现状 | 第9-12页 |
| 1.2.2 存在的问题 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 相关知识介绍 | 第15-23页 |
| 2.1 遥感图像介绍 | 第15-16页 |
| 2.2 遥感图像预处理 | 第16-19页 |
| 2.2.1 大气辐射校正 | 第16-18页 |
| 2.2.2 几何校正 | 第18-19页 |
| 2.3 SVM模型 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于BP神经网络的河道水体提取 | 第23-31页 |
| 3.1 BP神经网络 | 第23-25页 |
| 3.2 基于BP神经网络的河道水体提取模型 | 第25-26页 |
| 3.3 实验与分析 | 第26-30页 |
| 3.3.1 研究区概况 | 第26页 |
| 3.3.2 特征概述与选择 | 第26-28页 |
| 3.3.3 实验结果与分析 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于栈式自编码的水体提取 | 第31-39页 |
| 4.1 稀疏自编码 | 第31-34页 |
| 4.2 Softmax分类器 | 第34页 |
| 4.3 基于栈式自编码的水体提取模型 | 第34-36页 |
| 4.4 实验结果与分析 | 第36-37页 |
| 4.4.1 研究区概况 | 第36页 |
| 4.4.2 实验结果与分析 | 第36-37页 |
| 4.5 本章小结 | 第37-39页 |
| 第五章 基于卷积神经网络的水体提取 | 第39-45页 |
| 5.1 卷积神经网络 | 第39-41页 |
| 5.2 基于卷积神经网络的水体提取模型 | 第41-42页 |
| 5.3 实验结果与分析 | 第42-44页 |
| 5.3.1 研究区概况 | 第42页 |
| 5.3.2 实验结果与分析 | 第42-44页 |
| 5.4 本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 总结 | 第45页 |
| 6.2 展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 硕士研究生期间发表论文 | 第50-51页 |
| 致谢 | 第51-52页 |
