| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 前言 | 第11-17页 |
| 1.1 研究意义 | 第11-12页 |
| 1.2 国内外雷达卫星监测海面浒苔研究方法的现状 | 第12-14页 |
| 1.3 论文的主要工作 | 第14-17页 |
| 2 SAR传感器及海面浒苔监视原理 | 第17-23页 |
| 2.1 SAR基本概念 | 第17-19页 |
| 2.1.1 微波的表面散射 | 第17页 |
| 2.1.2 雷达成像原理 | 第17页 |
| 2.1.3 合成孔径雷达的主要性能指标 | 第17-19页 |
| 2.2 SAR对海面浒苔探测机制 | 第19-20页 |
| 2.2.1 海洋的后向散射 | 第19页 |
| 2.2.2 雷达监视浒苔原理 | 第19-20页 |
| 2.3 实验数据源及监测区域介绍 | 第20-23页 |
| 2.3.1 实验数据源选择 | 第20-22页 |
| 2.3.2 监测区域的选择 | 第22-23页 |
| 3 SAR图像预处理技术及其实现 | 第23-29页 |
| 3.1 实验工具 | 第23-24页 |
| 3.2 图像预处理技术 | 第24-29页 |
| 3.2.1 几何校正 | 第24-25页 |
| 3.2.2 图像变换与增强 | 第25-26页 |
| 3.2.3 图像掩膜和裁切 | 第26-29页 |
| 4 基于监督分类的SAR图像浒苔信息提取方法研究 | 第29-47页 |
| 4.1 常用的监督分类方法 | 第30-31页 |
| 4.1.1 计算机分类处理的基本过程 | 第30页 |
| 4.1.2 最小距离分类法 | 第30-31页 |
| 4.1.3 最大似然比分类法 | 第31页 |
| 4.2 实验数据 | 第31-34页 |
| 4.3 实验分析方法 | 第34-35页 |
| 4.3.1 实验分析方法的思想 | 第34-35页 |
| 4.3.2 实验分析方法流程图 | 第35页 |
| 4.4 精度评价方法 | 第35-38页 |
| 4.5 2012年6月7日成像的Radarsat-2雷达卫星图像实验分析过程 | 第38-42页 |
| 4.5.1 最小距离分类法实验效果分析 | 第39-40页 |
| 4.5.2 最大似然比分类法实验效果分析 | 第40-41页 |
| 4.5.3 实验分析小结 | 第41-42页 |
| 4.6 2013年6月24日成像的Radarsat-2雷达卫星图像实验分析过程 | 第42-45页 |
| 4.6.1 最小距离分类法实验效果分析 | 第42-43页 |
| 4.6.2 最大似然比分类法实验效果分析 | 第43-45页 |
| 4.6.3 实验分析小结 | 第45页 |
| 4.7 实验分析总结 | 第45-47页 |
| 5 基于决策树规则的面向对象遥感图像分类方法研究 | 第47-61页 |
| 5.1 基于决策树规则的面向对象分类的相关概念 | 第47-49页 |
| 5.1.1 面向对象分类方法介绍 | 第47-48页 |
| 5.1.2 决策树分类方法介绍 | 第48-49页 |
| 5.2 基于决策树规则的面向对象分类方法的技术流程 | 第49-50页 |
| 5.2.1 基于决策树规则的面向对象分类方法的技术流程图 | 第49页 |
| 5.2.2 基于决策树规则的面向对象分类思想 | 第49-50页 |
| 5.3 基于决策树规则的面向对象分类原理 | 第50-53页 |
| 5.3.1 建立分类类别 | 第50页 |
| 5.3.2 图像分割 | 第50-51页 |
| 5.3.3 生成对象属性 | 第51-52页 |
| 5.3.4 特征提取 | 第52-53页 |
| 5.3.5 建立决策树分类规则 | 第53页 |
| 5.4 基于决策树规则的面向对象分类实验 | 第53-60页 |
| 5.4.1 实验数据 | 第53-55页 |
| 5.4.2 2013年6月24日成像的Radarsat-2雷达卫星图像实验分析过程 | 第55-58页 |
| 5.4.3 2013年6月26日成像的Radarsat-2雷达卫星图像实验分析过程 | 第58-60页 |
| 5.5 实验分析总结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历 | 第67-68页 |
| 发表的学术论文 | 第68页 |
