基于机载LiDAR和高光谱遥感影像融合实现普洱山区树种分类
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第15-29页 |
| 1.1 研究目的与意义 | 第15-16页 |
| 1.2 机载LiDAR与影像融合分类的理论基础 | 第16-17页 |
| 1.2.1 不同传感器来源数据融合理论 | 第16-17页 |
| 1.2.2 机载LiDAR与影像数据的融合 | 第17页 |
| 1.3 国内外研究现状 | 第17-25页 |
| 1.3.1 遥感影像分类研究状况 | 第17-21页 |
| 1.3.2 机载LiDAR研究现状 | 第21-23页 |
| 1.3.3 机载LiDAR与遥感影像融合的分类 | 第23-25页 |
| 1.4 研究内容及技术路线 | 第25-27页 |
| 1.4.1 研究内容 | 第25-26页 |
| 1.4.2 技术路线 | 第26-27页 |
| 1.5 论文组织结构 | 第27-29页 |
| 第二章 研究区域概况及数据 | 第29-36页 |
| 2.1 研究区域概况 | 第29-30页 |
| 2.1.1 基本状况 | 第29-30页 |
| 2.1.2 地形地貌 | 第30页 |
| 2.1.3 气候特征 | 第30页 |
| 2.1.4 土壤概况 | 第30页 |
| 2.2 森林植被类型介绍 | 第30-31页 |
| 2.3 实验数据 | 第31-35页 |
| 2.3.1 遥感数据来源 | 第31-33页 |
| 2.3.2 样地数据 | 第33-35页 |
| 2.4 小结 | 第35-36页 |
| 第三章 影像处理 | 第36-54页 |
| 3.1 机载LiDAR数据处理 | 第36-38页 |
| 3.1.1 机载LiDAR数据预处理 | 第36-37页 |
| 3.1.2 激光点云数据生成CHM | 第37-38页 |
| 3.2 高光谱遥感影像预处理 | 第38-44页 |
| 3.2.1 大气校正 | 第39页 |
| 3.2.2 地形辐射校正 | 第39-41页 |
| 3.2.3 影像PCA变换 | 第41-44页 |
| 3.3 遥感数据间配准 | 第44-46页 |
| 3.3.1 配准的理论基础 | 第44-45页 |
| 3.3.2 影像配准方法 | 第45-46页 |
| 3.4 机载LiDAR数据与高光谱影像的融合 | 第46-51页 |
| 3.4.1 影像融合的理论基础 | 第46-51页 |
| 3.5 融合效果评价 | 第51-53页 |
| 3.5.1 定性评价 | 第51-52页 |
| 3.5.2 定量评价 | 第52-53页 |
| 3.6 小结 | 第53-54页 |
| 第四章 两种数据源特征分析 | 第54-64页 |
| 4.1 点云特征的提取 | 第54-55页 |
| 4.2 高光谱遥感影像中光谱信息 | 第55-63页 |
| 4.2.1 光谱曲线 | 第55-56页 |
| 4.2.2 植被指数 | 第56-58页 |
| 4.2.3 高光谱影像中纹理特征计算与提取 | 第58-63页 |
| 4.3 多源特征数据库构建 | 第63页 |
| 4.4 小结 | 第63-64页 |
| 第五章 研究区树种分类研究 | 第64-77页 |
| 5.1 遥感影像分类概述 | 第64-65页 |
| 5.1.1 遥感影像分类原理 | 第64页 |
| 5.1.2 遥感影像分类方法 | 第64-65页 |
| 5.2 基于SVM分类 | 第65-67页 |
| 5.2.1 SVM分类概述 | 第65-66页 |
| 5.2.2 核函数与参数选取 | 第66-67页 |
| 5.3 基于SVM融合影像分类 | 第67-70页 |
| 5.3.1 分类实验 | 第67-69页 |
| 5.3.2 分类后处理 | 第69-70页 |
| 5.4 实验分类精度 | 第70-76页 |
| 5.4.1 分类精度评价指标 | 第70-72页 |
| 5.4.2 实验分类结果 | 第72-76页 |
| 5.5 小结 | 第76-77页 |
| 第六章 结论与讨论 | 第77-81页 |
| 6.1 结论 | 第77-78页 |
| 6.2 讨论 | 第78-80页 |
| 6.3 展望 | 第80-81页 |
| 参考文献 | 第81-90页 |
| 在读期间的学术研究 | 第90-91页 |
| 致谢 | 第91页 |
