广西沿海红树林信息遥感检测技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 国内外的研究进展 | 第9-10页 |
| 1.2 研究方法和内容 | 第10-12页 |
| 1.2.1 研究方法 | 第10-11页 |
| 1.2.2 研究内容 | 第11-12页 |
| 1.3 研究的技术路线 | 第12-13页 |
| 第2章 红树林植被特征提取方法 | 第13-27页 |
| 2.1 地域概况及数据信息预处理 | 第13-15页 |
| 2.1.1 研究区域地域概况 | 第13页 |
| 2.1.2 遥感数据的预处理 | 第13-15页 |
| 2.1.3 植被分类特征常用参数 | 第15页 |
| 2.2 植被指数特征 | 第15-17页 |
| 2.2.1 植被指数特征参量 | 第15-16页 |
| 2.2.2 植被指数特征参量选择 | 第16-17页 |
| 2.3 灰度共生矩阵法 | 第17-20页 |
| 2.3.1 灰度共生矩阵简介 | 第17-19页 |
| 2.3.2 灰度共生矩阵参量提取选择 | 第19-20页 |
| 2.4 缨帽变换 | 第20-21页 |
| 2.4.1 缨帽变换简介 | 第20页 |
| 2.4.2 缨帽变换特征参量提取方法 | 第20-21页 |
| 2.5 知识规则 | 第21-23页 |
| 2.5.1 知识规则简介 | 第21页 |
| 2.5.2 知识规则提取与选择 | 第21页 |
| 2.5.3 知识规则的建立 | 第21-23页 |
| 2.6 TM遥感图像影像像元亮度值特征 | 第23-27页 |
| 2.6.1 遥感影像像元亮度值特征分析 | 第24-25页 |
| 2.6.2 分类特征选择及优劣性判断 | 第25-27页 |
| 第3章 支持向量机方法的红树林植被分类 | 第27-32页 |
| 3.1 树林识别分类算法 | 第27-29页 |
| 3.1.1 支持向量机基本理论 | 第27-29页 |
| 3.2 基于支持向量机神经网络的红树林分类方法 | 第29-32页 |
| 3.2.1 支持向量机分类理论 | 第29-30页 |
| 3.2.2 支持向量机分类器核函数选取 | 第30-31页 |
| 3.2.3 各个特征值对应的支持向量机分类流程图 | 第31-32页 |
| 第4章 红树林分类结果与分析 | 第32-45页 |
| 4.1 实验提取特征数据 | 第32-39页 |
| 4.1.1 Landsat-TM各波段数据 | 第33-35页 |
| 4.1.2 六种地表参量的图像结果 | 第35-37页 |
| 4.1.3 四种纹理特征图像 | 第37-38页 |
| 4.1.4 缨帽变换特征图像 | 第38-39页 |
| 4.2 实验过程 | 第39-45页 |
| 4.2.1 参数设定 | 第40页 |
| 4.2.2 结果与分析 | 第40-43页 |
| 4.2.3 结论与讨论 | 第43-45页 |
| 第5章 结论 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士期间发表的学术论文 | 第50-51页 |
| 致谢 | 第51-52页 |
