遥感图像地物纹理特征的识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·引言 | 第10-13页 |
| ·遥感数字图像的获取 | 第10页 |
| ·遥感数字图像处理 | 第10-11页 |
| ·遥感数字图像处理流程 | 第11-13页 |
| ·遥感数字图像的应用 | 第13页 |
| ·研究目的及意义 | 第13-14页 |
| ·论文章节安排 | 第14-15页 |
| 第2章 遥感图像的纹理特征提取及自动识别 | 第15-37页 |
| ·纹理研究现状概述 | 第15页 |
| ·纹理特征提取方法 | 第15-17页 |
| ·统计方法提取纹理特征 | 第15-17页 |
| ·模型法提取图像纹理特征 | 第17页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第17-20页 |
| ·灰度共生矩阵简介 | 第17-20页 |
| ·灰度共生矩阵法提取图像纹理特征 | 第20页 |
| ·基于分形模型的纹理特征提取 | 第20-23页 |
| ·分形，维数与纹理 | 第20-23页 |
| ·差分计盒维数法提取图像纹理特征 | 第23页 |
| ·遥感图像自动识别 | 第23-24页 |
| ·神经网络模型的地物识别分类 | 第24-31页 |
| ·神经网络概述 | 第24-25页 |
| ·神经网络的结构 | 第25-28页 |
| ·BP 神经网络模型 | 第28-29页 |
| ·BP 算法的改进 | 第29-30页 |
| ·BP 神经网络在遥感图像识别中的应用 | 第30-31页 |
| ·贝叶斯网络模型的识别分类 | 第31-37页 |
| ·贝叶斯理论 | 第31-32页 |
| ·贝叶斯决策 | 第32-33页 |
| ·贝叶斯分类器 | 第33-35页 |
| ·朴素贝叶斯分类器的识别过程 | 第35-37页 |
| 第3章 实验结果及其分析 | 第37-54页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第39-44页 |
| ·灰度图像预处理 | 第39页 |
| ·滑动窗口的选择 | 第39-42页 |
| ·纹理特征向量的选择 | 第42-44页 |
| ·基于差分盒维数的遥感图像纹理特征提取 | 第44-45页 |
| ·基于BP 神经网络的遥感图像自动识别 | 第45-52页 |
| ·实验样本设计 | 第45页 |
| ·BP 神经网络分类器设计 | 第45-49页 |
| ·自动识别实验结果 | 第49-52页 |
| ·基于朴素贝叶斯网络的遥感图像自动识别 | 第52-54页 |
| 第4章 结论与讨论 | 第54-56页 |
| ·论文内容与研究方法的改进 | 第54页 |
| ·结论与讨论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士期间发表论文 | 第62-63页 |
| 致谢 | 第63-64页 |
