基于无人机多光谱遥感影像的地物分类方法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景与研究目的 | 第10-11页 |
1.2 国内外研究现状与进展 | 第11-14页 |
1.2.1 低空遥感技术 | 第11-13页 |
1.2.2 遥感影像处理及分类 | 第13-14页 |
1.3 研究内容与章节安排 | 第14-16页 |
1.3.1 研究内容与技术路线 | 第14-16页 |
1.3.2 章节安排 | 第16页 |
1.4 本章小结 | 第16-18页 |
第二章 多光谱遥感数据获取 | 第18-32页 |
2.1 遥感数据采集系统 | 第18-24页 |
2.1.1 遥感数据采集平台 | 第18-22页 |
2.1.2 多光谱传感器 | 第22-24页 |
2.1.3 地面数据采集 | 第24页 |
2.2 遥感数据采集 | 第24-25页 |
2.2.1 研究区选择 | 第24页 |
2.2.2 实验数据采集要求 | 第24-25页 |
2.2.3 实验数据采集过程 | 第25页 |
2.3 实验数据预处理 | 第25-30页 |
2.3.1 多光谱影像拼接 | 第26-28页 |
2.3.2 多光谱数据预处理及结果 | 第28-30页 |
2.4 本章小结 | 第30-32页 |
第三章 多光谱遥感影像的最佳波段组合研究 | 第32-42页 |
3.1 多光谱影像数据降维 | 第32-35页 |
3.1.1 波段选择法 | 第32-34页 |
3.1.2 特征提取法 | 第34-35页 |
3.2 最佳波段组合选择 | 第35-41页 |
3.2.1 影像光谱特征信息提取 | 第36-37页 |
3.2.2 影像纹理特征信息提取 | 第37-38页 |
3.2.3 最佳波段指数 | 第38-41页 |
3.3 最佳波段组合 | 第41页 |
3.4 本章小结 | 第41-42页 |
第四章 基于支持向量机的影像分类方法选择 | 第42-52页 |
4.1 统计学习理论 | 第42-44页 |
4.1.1 VC维度 | 第42页 |
4.1.2 推广性的界 | 第42-43页 |
4.1.3 结构风险最小化 | 第43-44页 |
4.2 支持向量机分类 | 第44-46页 |
4.2.1 最优分类面 | 第44-45页 |
4.2.2 标准支持向量机的非线性映射 | 第45页 |
4.2.3 标准支持向量机 | 第45-46页 |
4.2.4 最小二乘支持向量机 | 第46页 |
4.3 分类模型参数寻优及构建 | 第46-51页 |
4.3.1 粒子群优化 | 第47-49页 |
4.3.2 网格搜索 | 第49页 |
4.3.3 交叉验证 | 第49-51页 |
4.4 本章小结 | 第51-52页 |
第五章 最佳波段组合分类实验结果及分析 | 第52-62页 |
5.1 多种波段组合分类对比 | 第52-55页 |
5.2 最佳波段组合的SVM及LSSVM分类 | 第55-60页 |
5.2.1 分类样本的选择 | 第56-58页 |
5.2.2 最佳波段组合的对比分类 | 第58-60页 |
5.3 结果分析 | 第60-61页 |
5.4 本章小结 | 第61-62页 |
第六章 结论与展望 | 第62-64页 |
6.1 结论 | 第62-63页 |
6.2 展望 | 第63-64页 |
参考文献 | 第64-68页 |
作者简介 | 第68-70页 |
致谢 | 第70-72页 |
附件 | 第72页 |