| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究的背景和意义 | 第8页 |
| 1.2 研究现状 | 第8-12页 |
| 1.2.1 遥感影像水体信息提取方法研究现状 | 第8-10页 |
| 1.2.2 图像分割方法的研究现状 | 第10-11页 |
| 1.2.3 学习分类方法的研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 遥感影像数据预处理 | 第14-21页 |
| 2.1 遥感影像数据基础 | 第14-15页 |
| 2.2 遥感影像预处理 | 第15-20页 |
| 2.2.1 几何校正 | 第15-19页 |
| 2.2.2 影像融合 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于MEAN_SHIFT与HMP合并规则的遥感影像分割 | 第21-38页 |
| 3.1 图像分割理论分析 | 第21-24页 |
| 3.2 基于MEAN_SHIFT算法的遥感影像分割 | 第24-29页 |
| 3.2.1 MEAN_SHIFT原理分析 | 第25-28页 |
| 3.2.2 核函数分析 | 第28页 |
| 3.2.3 权重系数分析 | 第28-29页 |
| 3.3 基于异质性最小化的合并规则 | 第29-30页 |
| 3.4 遥感影像分割实验 | 第30-37页 |
| 3.4.1 基于MEAN_SHIFT的影像分割实验 | 第31-32页 |
| 3.4.2 基于异质性最小化合并规则（HMP）的区域合并实验 | 第32-35页 |
| 3.4.3 对比实验 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 遥感影像特征提取 | 第38-49页 |
| 4.1 光谱特征提取方法分析 | 第38-39页 |
| 4.2 几何特征提取方法分析 | 第39-41页 |
| 4.3 纹理特征提取方法分析 | 第41-44页 |
| 4.4 基于GLCM的纹理特征提取 | 第44-47页 |
| 4.5 基于GLCM的纹理特征提取实验 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 基于PSO-SVM的高分辨率遥感影像水体信息提取 | 第49-67页 |
| 5.1 机器学习基本问题分析 | 第49-50页 |
| 5.2 支持向量机模型 | 第50-53页 |
| 5.3 SVM参数优化原理 | 第53-56页 |
| 5.3.1 SVM分类器惩罚系数与核函数分析 | 第53-54页 |
| 5.3.2 SVM分类器参数优化方法 | 第54-56页 |
| 5.4 基于粒子群优化算法的SVM参数优化 | 第56-59页 |
| 5.4.1 粒子群优化算法理论分析 | 第56-57页 |
| 5.4.2 粒子群优化算法的收敛性分析 | 第57-59页 |
| 5.5 基于PSO算法的SVM参数优化实验 | 第59-62页 |
| 5.6 基于PSO-SVM方法的遥感影像水体信息提取实验 | 第62-66页 |
| 5.7 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-68页 |
| 6.1 论文总结 | 第67页 |
| 6.2 问题与展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 作者简介 | 第74-75页 |
| 致谢 | 第75页 |
