基于近红外高光谱图像的农田对象分类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·研究内容与技术路线 | 第13-14页 |
| ·研究内容 | 第13页 |
| ·技术路线 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 农田光谱数据获取及预处理 | 第15-29页 |
| ·农田样本图像采集 | 第15-19页 |
| ·高光谱图像采集仪 | 第16-17页 |
| ·高光谱图像获取 | 第17页 |
| ·光谱分析技术原理 | 第17-18页 |
| ·反射光谱数据获取 | 第18-19页 |
| ·光谱特征获取 | 第19-23页 |
| ·基于感兴趣区域的光谱特征获取 | 第19-21页 |
| ·基于JM距离的光谱特征可分离性判定 | 第21-22页 |
| ·实验结果分析 | 第22-23页 |
| ·光谱数据预处理 | 第23-28页 |
| ·多元散射校正 | 第23-24页 |
| ·Savitzky-Golay平滑 | 第24-25页 |
| ·标准正态变量变换 | 第25页 |
| ·导数处理 | 第25-26页 |
| ·实验结果分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于光谱特征的农田对象分类 | 第29-42页 |
| ·基于光谱特征的分类原理 | 第29-30页 |
| ·基于K最近邻删减SVM样本的农田对象分类 | 第30-31页 |
| ·K最近邻样本删减的支持向量机 | 第30-31页 |
| ·农田对象的SVM多类分类器 | 第31页 |
| ·基于网格搜索算法的参数优化 | 第31页 |
| ·基于最大似然法的农田对象分类 | 第31-33页 |
| ·最大似然法 | 第31-32页 |
| ·算法实现原理 | 第32-33页 |
| ·分类评价指标 | 第33-35页 |
| ·混淆矩阵 | 第33-34页 |
| ·总体分类精度 | 第34页 |
| ·用户精度 | 第34页 |
| ·生产者精度 | 第34页 |
| ·Kappa系数 | 第34-35页 |
| ·实验结果分析 | 第35-41页 |
| ·支持向量机分类结果 | 第35-40页 |
| ·SVM与ML分类结果对比 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于空谱一体化的高光谱图像后处理 | 第42-53页 |
| ·近红外高光谱分类图噪声特点 | 第42页 |
| ·空谱一体化分类后处理 | 第42-48页 |
| ·主要次要分析 | 第43页 |
| ·类别集群 | 第43-44页 |
| ·类别筛选 | 第44页 |
| ·实验结果分析 | 第44-48页 |
| ·分类模型优化 | 第48-52页 |
| ·均值置信区间 | 第48-49页 |
| ·实验结果分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| ·总结 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |
