| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究的背景及意义 | 第11-13页 |
| 1.2 遥感影像信息提取的研究现状以及应用 | 第13-15页 |
| 1.2.1 面向对象遥感影像信息提取方法的提出 | 第13页 |
| 1.2.2 面向对象分类方法进行高分辨率遥感影像分类的优势 | 第13-14页 |
| 1.2.3 面向对象遥感影像分类的研究现状 | 第14-15页 |
| 1.3 遥感影像分类方法的局限性 | 第15-16页 |
| 1.3.1 基于像元的分类方法在高分辨率影像上的局限性 | 第15-16页 |
| 1.3.2 遥感影像在矿山提取方面的局限性 | 第16页 |
| 1.4 本文的研究内容及技术路线 | 第16-18页 |
| 1.4.1 本文的研究内容 | 第16-18页 |
| 1.4.2 技术路线 | 第18页 |
| 1.5 论文结构安排 | 第18-20页 |
| 第2章 遥感影像分类基本理论 | 第20-28页 |
| 2.1 基于像元的分类方法 | 第20-22页 |
| 2.1.1 非监督分类法 | 第20-21页 |
| 2.1.2 监督分类法 | 第21-22页 |
| 2.2 基于面向对象的分类方法 | 第22-27页 |
| 2.2.2 多尺度分割原理 | 第23-26页 |
| 2.2.3 影像对象分类技术 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 研究区概况及影像数据的准备 | 第28-34页 |
| 3.1 研究区概况 | 第28-29页 |
| 3.2 实验区数据源 | 第29-30页 |
| 3.2.1 Pleiades卫星影像数据 | 第29-30页 |
| 3.2.2 其他辅助资料 | 第30页 |
| 3.3 影像预处理 | 第30-34页 |
| 3.3.1 几何精校正 | 第30-32页 |
| 3.3.2 薄云去除 | 第32页 |
| 3.3.3 影像裁剪 | 第32页 |
| 3.3.4 影像增强 | 第32-33页 |
| 3.3.5 本章小结 | 第33-34页 |
| 第4章 基于高分辨率遥感影像的矿山信息提取应用研究 | 第34-54页 |
| 4.1 基于像元的分类方法 | 第34-38页 |
| 4.1.1 非监督分类法对遥感影像进行分类 | 第34-36页 |
| 4.1.2 监督分类法对遥感影像进行分类 | 第36-38页 |
| 4.2 基于面向对象的分类方法 | 第38-54页 |
| 4.2.1 影像融合 | 第38-39页 |
| 4.2.2 参数的选择 | 第39-41页 |
| 4.2.3 参数因子的选择及对比分析 | 第41-50页 |
| 4.2.4 遥感影像分类 | 第50-53页 |
| 4.2.5 本章小结 | 第53-54页 |
| 第5章 高分辨率遥感影像矿山信息提取精度比较 | 第54-60页 |
| 5.1 人工解译法 | 第54-55页 |
| 5.2 定性分析 | 第55-56页 |
| 5.2.1 非监督分类精度评定 | 第55页 |
| 5.2.2 监督分类精度评定 | 第55页 |
| 5.2.3 基于面向对象的精度评定 | 第55-56页 |
| 5.3 定量分析 | 第56-58页 |
| 5.3.1 精度评价指标 | 第56页 |
| 5.3.2 精度评价结果 | 第56-58页 |
| 5.4 分析小结 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 6.1 研究结论 | 第60-61页 |
| 6.1 展望与不足 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
