| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 遥感影像分类研究现状 | 第8-10页 |
| 1.2.2 机器学习研究现状 | 第10-11页 |
| 1.2.3 Spark分布式计算研究现状 | 第11页 |
| 1.2.4 存在的问题 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 相关技术概述 | 第14-21页 |
| 2.1 遥感影像介绍 | 第14-15页 |
| 2.1.1 Landsat8 | 第14页 |
| 2.1.2 高分一号 | 第14-15页 |
| 2.2 遥感影像预处理 | 第15-17页 |
| 2.2.1 大气辐射校正 | 第15-16页 |
| 2.2.2 几何校正 | 第16页 |
| 2.2.3 影像镶嵌与裁剪 | 第16-17页 |
| 2.3 分布式框架 | 第17-20页 |
| 2.3.1 HDFS分布式存储框架 | 第17-18页 |
| 2.3.2 Spark分布式计算平台 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于BP神经网络的遥感影像分类研究 | 第21-29页 |
| 3.1 BP神经网络模型 | 第21-22页 |
| 3.2 特征提取 | 第22-23页 |
| 3.3 样本选择 | 第23-24页 |
| 3.4 基于BP神经网络的棉花识别建模 | 第24-25页 |
| 3.5 实验结果与分析 | 第25-28页 |
| 3.5.1 研究区与数据源 | 第25-26页 |
| 3.5.2 实验结果与分析 | 第26-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 基于卷积神经网络的遥感影像分类研究 | 第29-39页 |
| 4.1 卷积神经网络 | 第29-32页 |
| 4.1.1 局部感知 | 第29-30页 |
| 4.1.2 权重共享 | 第30页 |
| 4.1.3 子采样 | 第30页 |
| 4.1.4 网络结构 | 第30-32页 |
| 4.2 基于卷积神经网络的遥感影像草地分类模型 | 第32-34页 |
| 4.3 研究区与数据源 | 第34-35页 |
| 4.4 实验结果与分析 | 第35-38页 |
| 4.4.1 迭代次数对草地分类精度的影响 | 第35-36页 |
| 4.4.2 样本数量对草地分类精度的影响 | 第36-37页 |
| 4.4.3 与其他分类算法的对比 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 基于Spark的遥感影像分类并行优化研究 | 第39-46页 |
| 5.1 设计思想和基本框架 | 第39-42页 |
| 5.1.1 基于HDFS的遥感影像分布式存储 | 第39-40页 |
| 5.1.2 Spark平台下卷积神经网络的并行设计 | 第40-42页 |
| 5.2 实验环境部署 | 第42-43页 |
| 5.3 实验设计 | 第43-44页 |
| 5.4 实验结果与分析 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第六章 结语与展望 | 第46-48页 |
| 6.1 总结 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在校期间发表论文情况 | 第51-52页 |
| 致谢 | 第52-54页 |