面向对象的盐生植被分类识别关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 总结 | 第12-13页 |
| 1.3 研究内容与技术路线 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 1.5 小结 | 第15-16页 |
| 第二章 研究区概况与数据处理 | 第16-25页 |
| 2.1 研究区概况 | 第16-17页 |
| 2.1.1 自然地理环境 | 第16-17页 |
| 2.1.2 盐生植被概况 | 第17页 |
| 2.2 数据源说明 | 第17-21页 |
| 2.2.1 数据源的选择 | 第17-19页 |
| 2.2.2 光谱数据的采集 | 第19-21页 |
| 2.3 数据预处理 | 第21-23页 |
| 2.3.1 大气校正 | 第21-23页 |
| 2.3.2 图像裁剪 | 第23页 |
| 2.4 小结 | 第23-25页 |
| 第三章 影像纹理特征的提取 | 第25-37页 |
| 3.1 纹理特征的提取方法 | 第25-26页 |
| 3.1.1 模型法 | 第25页 |
| 3.1.2 结构法 | 第25页 |
| 3.1.3 统计法 | 第25-26页 |
| 3.1.4 空间/频率域结合法 | 第26页 |
| 3.2 灰度共生矩阵纹理提取方法 | 第26-31页 |
| 3.2.1 灰度共生矩阵含义 | 第26-27页 |
| 3.2.2 灰度共生矩阵的特点 | 第27-28页 |
| 3.2.3 灰度共生矩阵纹理量化参数 | 第28-29页 |
| 3.2.4 纹理特征提取的步骤 | 第29页 |
| 3.2.5 纹理特征提取的影响因素 | 第29-31页 |
| 3.3 灰度共生矩阵方法提取纹理特征过程 | 第31-36页 |
| 3.3.1 主成分变换 | 第31-32页 |
| 3.3.2 纹理特征提取过程 | 第32-35页 |
| 3.3.3 提取纹理结果 | 第35-36页 |
| 3.4 小结 | 第36-37页 |
| 第四章 面向对象的盐生植被信息提取 | 第37-61页 |
| 4.1 面向对象分类方法概述 | 第37-39页 |
| 4.1.1 遥感影像分类方法 | 第37页 |
| 4.1.2 传统分类方法的缺陷 | 第37-38页 |
| 4.1.3 面向对象的分类方法 | 第38-39页 |
| 4.2 多尺度分割 | 第39-44页 |
| 4.2.1 图像分割简介 | 第39-40页 |
| 4.2.2 多尺度分割理论 | 第40-44页 |
| 4.3 特征的选择 | 第44-47页 |
| 4.3.1 光谱特征 | 第44-45页 |
| 4.3.2 形状特征 | 第45页 |
| 4.3.3 纹理特征 | 第45-46页 |
| 4.3.4 辅助特征 | 第46-47页 |
| 4.4 影像对象分类 | 第47-52页 |
| 4.4.1 最邻近分类法 | 第47-49页 |
| 4.4.2 隶属度函数（成员函数）分类法 | 第49-52页 |
| 4.5 分类结果评价 | 第52-58页 |
| 4.5.1 基于像元的影像分类 | 第52-53页 |
| 4.5.2 两种分类结果精度评价 | 第53-58页 |
| 4.6 盐生植被分布图 | 第58-59页 |
| 4.7 小结 | 第59-61页 |
| 结论与展望 | 第61-63页 |
| 1 结论 | 第61-62页 |
| 2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的学术成果 | 第68-69页 |
| 致谢 | 第69页 |
