| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景和选题依据 | 第8-9页 |
| ·遥感图像分类研究现状 | 第9-10页 |
| ·论文的组织 | 第10-12页 |
| 第二章 遥感图像 | 第12-19页 |
| ·遥感 | 第12页 |
| ·遥感图像 | 第12-13页 |
| ·遥感图像的预处理 | 第13-18页 |
| ·图像校正 | 第13-14页 |
| ·图像增强 | 第14-18页 |
| ·特征提取和选择 | 第18-19页 |
| ·特征提取的方法 | 第19页 |
| 第三章 图像分类方法 | 第19-40页 |
| ·遥感图像分类的概念及原理 | 第19-20页 |
| ·监督分类方法 | 第20-24页 |
| ·最小距离 | 第20-21页 |
| ·Mahalanobis距离(马氏距) | 第21-23页 |
| ·平行体分类 | 第23页 |
| ·最大似然/贝叶斯分类 | 第23-24页 |
| ·非监督分类方法 | 第24-26页 |
| ·K均值分类 | 第25页 |
| ·ISODATA分类方法 | 第25-26页 |
| ·人工神经网络分类 | 第26-33页 |
| ·人工神经网络概述 | 第26-28页 |
| ·人工神经网络在遥感分类中的研究现状 | 第28-33页 |
| ·模糊分类 | 第33-36页 |
| ·模糊逻辑简介 | 第33-34页 |
| ·模糊隶属度函数 | 第34-35页 |
| ·模糊理论在遥感图像分类中的应用分析 | 第35-36页 |
| ·图像分类方法比较 | 第36-40页 |
| ·监督分类和非监督分类比较 | 第36-37页 |
| ·人工神经网络分类与传统分类方法比较 | 第37-38页 |
| ·总结 | 第38-40页 |
| 第四章 遥感地物分类比较实验分析 | 第40-60页 |
| ·图象预处理 | 第40-44页 |
| ·纹理分析 | 第40-42页 |
| ·直方图均衡化处理 | 第42页 |
| ·主成份变换 | 第42-44页 |
| ·色彩变换 | 第44页 |
| ·非监督分类 | 第44-47页 |
| ·分类过程 | 第45-46页 |
| ·分类评价(Evaluate Classification) | 第46-47页 |
| ·监督分类 | 第47-54页 |
| ·定义分类模板(Define Signature Using signature Editor) | 第47-48页 |
| ·评价分类模板(Evaluating Signatures) | 第48-53页 |
| ·执行监督分类(Perform Supervised Classification) | 第53-54页 |
| ·评价分类结果(Evaluate classification) | 第54页 |
| ·BP网络分类 | 第54-56页 |
| ·准备阶段 | 第54-55页 |
| ·学习阶段 | 第55页 |
| ·分类阶段 | 第55-56页 |
| ·实验比较分析 | 第56-60页 |
| ·分类方法比较 | 第56-57页 |
| ·分类结果分析 | 第57-60页 |
| 结论 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
