| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题依据及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 面向对象的研究现状 | 第11-13页 |
| 1.2.2 支持向量机的研究现状 | 第13-14页 |
| 1.3 研究目标及内容 | 第14-15页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.4 技术路线及论文结构 | 第15-17页 |
| 第2章 研究区域概况 | 第17-20页 |
| 2.1 自然地理概况 | 第17-18页 |
| 2.2 研究区域矿产开发现状 | 第18页 |
| 2.3 研究区域经济条件概况 | 第18-19页 |
| 2.4 矿区环境现状 | 第19-20页 |
| 第3章 面向对象的遥感影像分类原理 | 第20-36页 |
| 3.1 面向对象分类法 | 第20-21页 |
| 3.2 影像多尺度分割 | 第21-27页 |
| 3.2.1 多尺度分割的概念 | 第21-23页 |
| 3.2.2 分割规则和等级的建立 | 第23-25页 |
| 3.2.3 分割尺度的选取 | 第25-26页 |
| 3.2.4 分割参数的设置 | 第26-27页 |
| 3.3 影像对象的特征选取 | 第27-28页 |
| 3.4 支持向量机（SVM） | 第28-36页 |
| 3.4.1 支持向量机基本理论 | 第28-31页 |
| 3.4.2 支持向量机 | 第31-34页 |
| 3.4.3 支持向量机多分类 | 第34-36页 |
| 第4章 基于支持向量机（SVM）结合面向对象法在江仓露天矿区五井田信息提取的应用实例 | 第36-59页 |
| 4.1 研究区域及数据介绍 | 第36-37页 |
| 4.2 研究区域影像预处理 | 第37-39页 |
| 4.2.1 正射校正 | 第38-39页 |
| 4.2.2 影像裁剪 | 第39页 |
| 4.3 影像融合 | 第39-49页 |
| 4.3.1 最佳波段选择和组合 | 第39-41页 |
| 4.3.2 影像融合 | 第41-43页 |
| 4.3.3 影像融合结果的分析评价 | 第43-49页 |
| 4.4 影像增强处理 | 第49-51页 |
| 4.5 矿区影像面向对象结合SVM分类 | 第51-59页 |
| 4.5.1 影像多尺度分割 | 第51-53页 |
| 4.5.2 分类层次及分类规则 | 第53-55页 |
| 4.5.3 支持向量机（SVM）分类 | 第55-59页 |
| 第5章 面向对象结合SVM分类法与传统基于像元分类法的比较与精度评价 | 第59-73页 |
| 5.1 传统基于像素的监督分类 | 第59-60页 |
| 5.1.2 传统基于像素的监督分类方法介绍 | 第59页 |
| 5.1.3 最大似然法分类 | 第59-60页 |
| 5.2 分类结果对比 | 第60-61页 |
| 5.3 基于对象分类与基于像元分类的精度评价与分析 | 第61-69页 |
| 5.3.1 分类精度评价方法 | 第61-63页 |
| 5.3.2 实验分类结果精度评价 | 第63-69页 |
| 5.4 江仓露天矿区五井田开发占地信息成果分析 | 第69-73页 |
| 5.4.1 2009 年露天矿区开发占地信息统计 | 第69-70页 |
| 5.4.2 2013 年露天矿区开发占地信息统计 | 第70-71页 |
| 5.4.3 两期露天矿区开发占地信息对比分析 | 第71-73页 |
| 第6章 结论与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 不足之处与展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 作者简介 | 第81页 |
