| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 1 诸论 | 第12-27页 |
| ·课题背景及意义 | 第12-13页 |
| ·面向对象的图像分析方法概述 | 第13-15页 |
| ·遥感图像森林分类研究现状 | 第15-20页 |
| ·基于像元和基于亚像元的分类 | 第15-17页 |
| ·基于基元的分类和面向对象的分类 | 第17页 |
| ·基于上下文的分类和基于知识的分类 | 第17-18页 |
| ·多分类器结合 | 第18-19页 |
| ·空间信息应用 | 第19页 |
| ·特征提取与选择 | 第19-20页 |
| ·研究区域概况和数据 | 第20-23页 |
| ·研究区域概况 | 第20-22页 |
| ·数据源 | 第22-23页 |
| ·研究目标、内容和技术路线 | 第23-25页 |
| ·课题来源 | 第23页 |
| ·研究目标 | 第23页 |
| ·主要研究内容 | 第23-24页 |
| ·技术路线 | 第24页 |
| ·研究方法 | 第24-25页 |
| ·论文结构 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 2 SPOT5图像预处理 | 第27-50页 |
| ·数据预处理基本流程 | 第27-28页 |
| ·林区 GPS 控制网的建立 | 第28-34页 |
| ·试验方法和仪器设备 | 第28-29页 |
| ·基准站测设 | 第29页 |
| ·定位结果分析 | 第29-30页 |
| ·基于林区 GPS 控制网的空间定位试验 | 第30-34页 |
| ·几何精校正和空间配准 | 第34-38页 |
| ·地面控制点(GCPs)采集 | 第34-35页 |
| ·几何精校正 | 第35-37页 |
| ·空间配准 | 第37-38页 |
| ·数据融合 | 第38-42页 |
| ·融合方法概述 | 第38-39页 |
| ·数据融合 | 第39页 |
| ·结果评价方法 | 第39-40页 |
| ·结果分析评价 | 第40-42页 |
| ·正射校正 | 第42-46页 |
| ·GPS 采集 GCPs | 第42-43页 |
| ·林区1:1万 DEM 制作 | 第43-44页 |
| ·遥感数据正射校正 | 第44页 |
| ·结果与分析 | 第44-46页 |
| ·图像增强 | 第46-47页 |
| ·分段线性拉伸 | 第46页 |
| ·边缘增强 | 第46-47页 |
| ·彩色合成 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 3 图像分割与基于规则的分类 | 第50-61页 |
| ·图像分割 | 第50-53页 |
| ·分割方法概述 | 第50-51页 |
| ·分割方案 | 第51-53页 |
| ·基于规则的分类 | 第53-56页 |
| ·方案0312new | 第54页 |
| ·方案 noTM | 第54-56页 |
| ·方案 withTM | 第56页 |
| ·基于分类的分割 | 第56-57页 |
| ·方案0312new | 第56-57页 |
| ·方案 noTM | 第57页 |
| ·方案 withTM | 第57页 |
| ·结果分析与讨论 | 第57-60页 |
| ·总体分割分类策略 | 第57-58页 |
| ·多尺度分割参数的确定 | 第58-59页 |
| ·不同分割方案的效果差异 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 4 对象特征提取与筛选 | 第61-77页 |
| ·对象特征提取 | 第61-65页 |
| ·对象特征分析和正态性分布检验 | 第65-68页 |
| ·对象特征分析 | 第65-66页 |
| ·对象特征的正态性分布检验 | 第66-68页 |
| ·对象特征筛选 | 第68-70页 |
| ·结果分析与讨论 | 第70-76页 |
| ·对象特征类型 | 第70-71页 |
| ·样本的对象特征统计分布 | 第71-76页 |
| ·对象特征筛选方法 | 第76页 |
| ·本章小结 | 第76-77页 |
| 5 面向对象的多分类器分类 | 第77-104页 |
| ·分类方案确定 | 第77-78页 |
| ·训练样地选取 | 第78-79页 |
| ·最小距离分类器 | 第79-82页 |
| ·原理与方法 | 第79-80页 |
| ·结果与分析 | 第80-82页 |
| ·马氏距离分类器 | 第82-84页 |
| ·原理与方法 | 第82-83页 |
| ·结果与分析 | 第83-84页 |
| ·Bayes 分类器 | 第84-87页 |
| ·基本思想和数学原理 | 第84-86页 |
| ·结果与分析 | 第86-87页 |
| ·模糊分类器 | 第87-90页 |
| ·原理与方法 | 第87-89页 |
| ·结果与分析 | 第89-90页 |
| ·支持向量机分类器 | 第90-93页 |
| ·原理与方法 | 第90-92页 |
| ·结果与分析 | 第92-93页 |
| ·讨论 | 第93-102页 |
| ·分类策略 | 第93-95页 |
| ·分层分类试验 | 第95-98页 |
| ·不同分割方案的分类精度 | 第98-101页 |
| ·分类器的适应性 | 第101-102页 |
| ·本章小结 | 第102-104页 |
| 6 多分类器结合 | 第104-114页 |
| ·多分类器结合方法 | 第104-110页 |
| ·标准的多分类器结合方法 | 第104-106页 |
| ·模糊融合方法 | 第106-109页 |
| ·投票法与模糊融合相结合方法 | 第109-110页 |
| ·结果分析与讨论 | 第110-113页 |
| ·结合结果总体精度评价 | 第110-112页 |
| ·分类器的相关性 | 第112-113页 |
| ·全局置信度的确定 | 第113页 |
| ·本章小结 | 第113-114页 |
| 7 研究结论与展望 | 第114-117页 |
| ·研究结论 | 第114-115页 |
| ·主要创新点 | 第115页 |
| ·存在问题与未来展望 | 第115-117页 |
| 参考文献 | 第117-125页 |
| 附表 | 第125-151页 |
| 附表1 最小距离分类混淆矩阵_0312new 第三级 | 第126-127页 |
| 附表2 最小距离分类混淆矩阵_noTM 第三级 | 第127-128页 |
| 附表3 最小距离分类混淆矩阵_withTM 第三级 | 第128-129页 |
| 附表4 马氏距离分类器混淆矩阵_0312new 第三级 | 第129-130页 |
| 附表5 马氏距离分类器混淆矩阵_noTM 第三级 | 第130-131页 |
| 附表6 马氏距离法分类混淆矩阵_withTM 第三级 | 第131-132页 |
| 附表7 Bayes 准则分类混淆矩阵_0312new 第三级 | 第132-133页 |
| 附表8 Bayes 准则分类混淆矩阵_noTM 第三级 | 第133-134页 |
| 附表9 Bayes 准则分类混淆矩阵_withTM 第三级 | 第134-135页 |
| 附表10 模糊分类混淆矩阵_0312new 第三级 | 第135-136页 |
| 附表11 模糊分类混淆矩阵_noTM 第三级 | 第136-137页 |
| 附表12 模糊分类混淆矩阵_withTM 第三级 | 第137-138页 |
| 附表13 支持向量机分类混淆矩阵_0312new 第三级 | 第138-139页 |
| 附表14 支持向量机分类混淆矩阵_noTM 第三级 | 第139-140页 |
| 附表15 支持向量机分类混淆矩阵_withTM 第三级 | 第140-141页 |
| 附表16 方案0312new 分类器融合结果表_投票/模糊法 | 第141-142页 |
| 附表17 方案 noTM 分类器融合结果表_投票法 | 第142-143页 |
| 附表18 方案 noTM 分类器融合结果表_Bayesian 平均法 | 第143-144页 |
| 附表19 方案 noTM 分类器融合结果表_模糊法 | 第144-145页 |
| 附表20 方案 noTM 分类器融合结果表_投票/模糊法 | 第145-146页 |
| 附表21 方案 withTM 分类器融合结果_投票/模糊法 | 第146-147页 |
| 附表22 方案 noTM 各类型对象特征值的变动系数 | 第147-148页 |
| 附表23 方案 withTM 各类型对象特征值的变动系数 | 第148-149页 |
| 附表24 方案 noTM 各类型间的欧氏距离 | 第149-150页 |
| 附表25 方案 withTM 各类型间的欧氏距离 | 第150-151页 |
| 附图 | 第151-158页 |
| 附图1 SPOT5图像,彩色合成 R/G/B=4/2/1 | 第152-153页 |
| 附图2 Landsat7 ETM+图像,彩色合成R/G/B=5/4/3 | 第153-154页 |
| 附图3 方案0312new 第三级的 Bayes 分类器分类结果 | 第154-155页 |
| 附图4 方案 noTM 的 Bayes 分类器分类结果 | 第155-156页 |
| 附图5 方案 withTM 的 Bayes 分类器分类结果 | 第156-157页 |
| 附图6 不同方案的第三级分类的 Bayes 分类器分类结果比较 | 第157-158页 |
| 附件 部分计算程序 | 第158-166页 |
| 附件1 Bayes 分类器计算程序 | 第158-163页 |
| 附件2 多分类器结合计算程序(片段) | 第163-166页 |
| 个人简历 | 第166-168页 |
| 导师简介 | 第168-169页 |
| 近年主要成果 | 第169-170页 |
| 致谢 | 第170页 |
