基于时相和波谱信息的植被信息提取研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·研究意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文研究的内容和方法 | 第13-15页 |
| 2 试验区概况 | 第15-18页 |
| ·自然概况 | 第15-16页 |
| ·社会经济概况 | 第16页 |
| ·植被概况 | 第16-18页 |
| 3 数据及其预处理 | 第18-33页 |
| ·MODIS 数据与预处理 | 第18-27页 |
| ·MODIS 数据 | 第18-19页 |
| ·MODIS 数据预处理 | 第19-22页 |
| ·数据剪裁 | 第22-23页 |
| ·几何校正 | 第23-27页 |
| ·MODIS NDVI 的计算方法 | 第27-28页 |
| ·ETM+数据 | 第28-32页 |
| ·ETM+数据 | 第28-29页 |
| ·ETM+数据波段选择 | 第29-32页 |
| ·其它辅助数据 | 第32页 |
| ·本章小结 | 第32-33页 |
| 4 分类方法介绍 | 第33-41页 |
| ·监督分类 | 第33-34页 |
| ·最大似然分类法 | 第33-34页 |
| ·平行多面体分类法 | 第34页 |
| ·最小距离分类法 | 第34页 |
| ·波谱角分类法 | 第34页 |
| ·非监督分类 | 第34-35页 |
| ·K-均值聚类法 | 第35页 |
| ·ISODATA 算法聚类 | 第35页 |
| ·计算机自动分类新方法 | 第35-37页 |
| ·神经网络分类法 | 第36页 |
| ·模糊聚类算法 | 第36页 |
| ·专家系统分类法 | 第36-37页 |
| ·基于分形的纹理方法 | 第37页 |
| ·基于小波分析的图像分类方法 | 第37页 |
| ·决策树分类法 | 第37-40页 |
| ·基本概念 | 第38-39页 |
| ·决策树的生成 | 第39页 |
| ·常用的决策树算法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 实验方法和结果 | 第41-60页 |
| ·训练样本的选取 | 第41-45页 |
| ·训练样本确定的原则和方法 | 第41页 |
| ·研究区地物类型的确定 | 第41-42页 |
| ·各个地物类型的样本的选取方法 | 第42-44页 |
| ·训练样本数据集合的评估 | 第44-45页 |
| ·NDVI 指数的生成 | 第45-48页 |
| ·基于最大似然法的分类 | 第48-50页 |
| ·最大似然分类法原理 | 第48-49页 |
| ·最大似然法分类实践 | 第49页 |
| ·分类结果 | 第49-50页 |
| ·C4.5 决策树算法 | 第50-55页 |
| ·信息熵(Entropy) | 第50-51页 |
| ·信息增益(information gain) | 第51-54页 |
| ·分类结果 | 第54-55页 |
| ·分类结果比对分析 | 第55-59页 |
| ·不同分类方法分类结果图 | 第55-56页 |
| ·两种分类器分类精度计算分析 | 第56-59页 |
| ·分类结果森林覆盖面积统计对比分析 | 第59页 |
| ·本章小结 | 第59-60页 |
| 6 结论 | 第60-62页 |
| ·主要结论 | 第60-61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
