基于神经网络和面向对象技术的SPOT5遥感影像分类方法研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 引言 | 第10-11页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究的目的意义 | 第10-11页 |
| 2 文献综述 | 第11-17页 |
| 2.1 传统遥感影像分类 | 第11-12页 |
| 2.2 人工神经网络分类 | 第12-13页 |
| 2.2.1 人工神经网络分类国外研究现状 | 第12-13页 |
| 2.2.2 人工神经网络分类国内研究现状 | 第13页 |
| 2.3 面向对象分类技术 | 第13-17页 |
| 3 研究内容与研究方法 | 第17-20页 |
| 3.1 研究内容 | 第17-18页 |
| 3.2 技术路线 | 第18-19页 |
| 3.2.1 神经网络分类的技术路线 | 第18-19页 |
| 3.2.2 面向对象分类的技术路线 | 第19页 |
| 3.3 研究方法 | 第19-20页 |
| 4 研究区概况及数据预处理 | 第20-27页 |
| 4.1 研究区域概况 | 第20页 |
| 4.2 数据源 | 第20-21页 |
| 4.2.1 卫星影像数据 | 第20-21页 |
| 4.2.2 辅助数据 | 第21页 |
| 4.3 数据预处理 | 第21-27页 |
| 4.3.1 SPOT5影像最适波段组合 | 第22-23页 |
| 4.3.2 几何校正 | 第23-25页 |
| 4.3.3 研究区影像融合 | 第25-26页 |
| 4.3.4 研究区遥感影像镶嵌裁剪 | 第26-27页 |
| 5 人工神经网络分类技术的应用 | 第27-31页 |
| 5.1 解译标志建立 | 第27-28页 |
| 5.2 人工神经网络分类技术的应用 | 第28-31页 |
| 5.2.1 训练样本的选取 | 第28-29页 |
| 5.2.2 BP人工神经网络分类参数 | 第29-30页 |
| 5.2.3 分类后处理 | 第30-31页 |
| 6 面向对象的分类技术的应用 | 第31-44页 |
| 6.1 影像分割 | 第32-36页 |
| 6.2 尺度选择 | 第36-39页 |
| 6.3 面向对象的分类方法 | 第39-44页 |
| 6.3.1 分类层次建立 | 第39-40页 |
| 6.3.2 分类特征选取与分类规则建立 | 第40-41页 |
| 6.3.3 影像信息提取 | 第41-44页 |
| 7 精度评价 | 第44-50页 |
| 7.1 分类精度评价模式 | 第44-46页 |
| 7.1.1 目视评价 | 第44-45页 |
| 7.1.2 客观分析 | 第45-46页 |
| 7.2 基于神经网络和面向对象的分类结果评价 | 第46-50页 |
| 7.2.1 目视评价 | 第46-47页 |
| 7.2.2 精度评价 | 第47-50页 |
| 8 讨论与结论 | 第50-52页 |
| 8.1 讨论 | 第50-51页 |
| 8.2 结论 | 第51-52页 |
| 9 存在的问题与展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58页 |
