基于高分辨率遥感影像的植被分类方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-27页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究状况 | 第12-14页 |
| 1.2.1 国外研究状况 | 第12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 人工神经网络原理 | 第14-19页 |
| 1.3.1 人工神经网络概况 | 第14页 |
| 1.3.2 人工神经网络的优劣势分析 | 第14-15页 |
| 1.3.3 神经元模型 | 第15-16页 |
| 1.3.4 BP神经网络 | 第16-19页 |
| 1.4 遥感图像分类 | 第19-24页 |
| 1.4.1 遥感图像分类原理 | 第19-20页 |
| 1.4.2 遥感图像分类方法 | 第20-24页 |
| 1.5 遥感图像分类精度评价 | 第24-27页 |
| 2 研究区概况与影像数据源 | 第27-43页 |
| 2.1 研究区概况 | 第27-28页 |
| 2.1.1 地理概况 | 第27页 |
| 2.1.2 经营状况 | 第27-28页 |
| 2.2 数据来源 | 第28页 |
| 2.3 遥感数据简介 | 第28-29页 |
| 2.4 数据预处理 | 第29-34页 |
| 2.4.1 几何校正 | 第29页 |
| 2.4.2 选择控制点 | 第29页 |
| 2.4.3 建立几何校正模型 | 第29-30页 |
| 2.4.4 重采样内插 | 第30-33页 |
| 2.4.5 QuickBird影像几何精校正 | 第33-34页 |
| 2.5 最佳波段选择 | 第34-37页 |
| 2.5.1 各波段灰度直方图 | 第34-35页 |
| 2.5.2 影像统计特征 | 第35-36页 |
| 2.5.3 最佳波段组合的确定 | 第36-37页 |
| 2.6 图像融合 | 第37-43页 |
| 2.6.1 IHS变换 | 第37-38页 |
| 2.6.2 主成分变换 | 第38页 |
| 2.6.3 Brovey变换 | 第38-39页 |
| 2.6.4 Gram-Schmidt变换 | 第39页 |
| 2.6.5 融合结果 | 第39-43页 |
| 3 激活函数对网络收敛性能影响分析 | 第43-53页 |
| 3.1 前馈神经网络的优劣势分析 | 第43-44页 |
| 3.2 激活函数特性 | 第44-46页 |
| 3.2.1 激活函数及一阶导数 | 第44-45页 |
| 3.2.2 激活函数及其一阶导数曲线图 | 第45-46页 |
| 3.3 算法实现 | 第46-47页 |
| 3.4 仿真试验 | 第47-51页 |
| 3.4.1 评价方法 | 第47-48页 |
| 3.4.2 陡度因子对收敛性能的影响 | 第48-51页 |
| 3.5 讨论 | 第51页 |
| 3.6 结论与后续工作 | 第51-52页 |
| 3.7 本章小结 | 第52-53页 |
| 4 改进神经网络方法对高分遥感图像的分类 | 第53-75页 |
| 4.1 人工神经网络改进方法概述 | 第53页 |
| 4.2 改进神经网络方法 | 第53-55页 |
| 4.2.1 基于激活函数的改进方法 | 第53-54页 |
| 4.2.2 LAP-BP模型 | 第54-55页 |
| 4.3 算法实现 | 第55-60页 |
| 4.3.1 LAP-BP算法实现及分析 | 第55页 |
| 4.3.2 算法实现过程 | 第55-58页 |
| 4.3.3 Lap和Logsig之间的对比分析 | 第58-59页 |
| 4.3.4 定量分析变量因子重要性 | 第59-60页 |
| 4.4 ALOS遥感图像的分类 | 第60-65页 |
| 4.4.1 ALOS图像的分类结果 | 第61页 |
| 4.4.2 ALOS图像的分类精度评价 | 第61-64页 |
| 4.4.3 ALOS图像的分类结果分析 | 第64-65页 |
| 4.5 QuickBird遥感图像的分类 | 第65-70页 |
| 4.5.1 QuickBird图像的分类结果 | 第66-67页 |
| 4.5.2 QuickBird图像的分类精度评价 | 第67-69页 |
| 4.5.3 QuickBird图像的分类结果分析 | 第69-70页 |
| 4.6 分类结果综合分析 | 第70-75页 |
| 5 融合纹理信息的影像分类 | 第75-115页 |
| 5.1 研究方法 | 第76-80页 |
| 5.1.1 正交试验设计 | 第76页 |
| 5.1.2 灰度共生矩阵 | 第76-78页 |
| 5.1.3 林场纹理图像分类的指标构建 | 第78-79页 |
| 5.1.4 方差分析 | 第79-80页 |
| 5.2 遥感纹理模型构建 | 第80-86页 |
| 5.2.1 正交试验设计 | 第80-82页 |
| 5.2.2 纹理计算 | 第82-84页 |
| 5.2.3 纹理衡量指标J计算 | 第84-85页 |
| 5.2.4 方差分析 | 第85-86页 |
| 5.3 最优组合选取与分析 | 第86页 |
| 5.4 ALOS遥感图像的分类 | 第86-92页 |
| 5.4.1 ALOS图像的分类结果 | 第87-88页 |
| 5.4.2 ALOS图像的分类精度评价 | 第88-90页 |
| 5.4.3 ALOS图像的分类结果分析 | 第90-92页 |
| 5.5 QuickBird遥感图像的分类 | 第92-97页 |
| 5.5.1 QuickBird图像的分类结果 | 第93页 |
| 5.5.2 QuickBird图像的分类精度评价 | 第93-96页 |
| 5.5.3 QuickBird图像的分类结果分析 | 第96-97页 |
| 5.6 分类结果综合分析 | 第97-100页 |
| 5.7 遥感图像分类综合分析 | 第100-115页 |
| 5.7.1 生产者精度和用户精度对比 | 第100-107页 |
| 5.7.2 总体精度对比分析 | 第107-115页 |
| 6 结论与讨论 | 第115-119页 |
| 6.1 结论 | 第115-117页 |
| 6.2 讨论 | 第117-119页 |
| 参考文献 | 第119-128页 |
| 个人简介 | 第128-129页 |
| 导师简介 | 第129-130页 |
| 获得成果目录 | 第130-131页 |
| 致谢 | 第131页 |
