首页--环境科学、安全科学论文--环境质量评价与环境监测论文--环境监测论文--海洋监测论文

SAR海面浒苔监测方法的研究

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

论文共68页,点击 下载论文
上一篇:即墨市南泉镇生态文明建设的问题及对策研究
下一篇:机床主轴静压轴承刚度影响因素分析与结构优化