面向对象的QUICKBIRD数据和SAR数据融合分类分析
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7页 |
| 1.1.2 研究意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 SAR图像斑点噪声抑制 | 第9-10页 |
| 1.2.2 多源遥感信息融合 | 第10页 |
| 1.3 研究内容及技术路线 | 第10-14页 |
| 1.3.1 研究内容 | 第10-11页 |
| 1.3.2 技术路线 | 第11-14页 |
| 2 研究区域与数据处理 | 第14-19页 |
| 2.1 研究区概况 | 第14-15页 |
| 2.1.1 地形与气候 | 第14页 |
| 2.1.2 森林资源概况 | 第14-15页 |
| 2.2 数据收集与整理 | 第15-19页 |
| 2.2.1 遥感影像数据 | 第15-16页 |
| 2.2.2 数据预处理 | 第16-18页 |
| 2.2.3 分类系统的制定 | 第18-19页 |
| 3 SAR图像斑点噪声抑制 | 第19-26页 |
| 3.1 SAR图像斑点噪声模型 | 第19-20页 |
| 3.1.1 SAR图像斑点噪声产生机理 | 第19页 |
| 3.1.2 相干斑噪声统计模型 | 第19-20页 |
| 3.2 SAR图像斑点噪声滤波算法分析 | 第20-22页 |
| 3.2.1 均值滤波器 | 第20页 |
| 3.2.2 中值滤波器 | 第20页 |
| 3.2.3 LEE滤波与增强型LEE滤波 | 第20-21页 |
| 3.2.4 FROST滤波与增强型FROST滤波 | 第21页 |
| 3.2.5 KUAN滤波 | 第21页 |
| 3.2.6 GAMMA滤波 | 第21-22页 |
| 3.2.7 LOCAL SIGMA滤波器 | 第22页 |
| 3.3 SAR图像斑点噪声抑制算法评价 | 第22-24页 |
| 3.3.1 滤波应用结果比较 | 第22-23页 |
| 3.3.2 斑点噪声抑制算法评价指标 | 第23-24页 |
| 3.3.3 去噪结果比较与评价 | 第24页 |
| 3.4 本章小结 | 第24-26页 |
| 4 面向对象影像分割 | 第26-31页 |
| 4.1 影像分割 | 第26-27页 |
| 4.1.1 影像分割概述 | 第26-27页 |
| 4.1.2 影像分割算法 | 第27页 |
| 4.2 多尺度分割参数的确定 | 第27-29页 |
| 4.2.1 分割策略 | 第27-28页 |
| 4.2.2 多尺度分割参数的确定 | 第28-29页 |
| 4.3 本章小结 | 第29-31页 |
| 5 面向对象影像分类 | 第31-43页 |
| 5.1 对象特征概述 | 第31-33页 |
| 5.1.1 光谱特征 | 第31-32页 |
| 5.1.2 基于灰度共生矩阵的纹理特征 | 第32页 |
| 5.1.3 形状特征 | 第32-33页 |
| 5.1.4 空间特征 | 第33页 |
| 5.2 极化SAR影像分割分类 | 第33-35页 |
| 5.2.1 极化方式 | 第33页 |
| 5.2.2 后向散射特征 | 第33-35页 |
| 5.2.3 全极化SAR数据合成 | 第35页 |
| 5.3 多源融合影像分割分类 | 第35-36页 |
| 5.3.1 融合原理 | 第35-36页 |
| 5.3.2 融合方法 | 第36页 |
| 5.4 面向对象多层次分类技术 | 第36-37页 |
| 5.4.1 类层次描述 | 第36-37页 |
| 5.4.2 基于支持向量机分类法 | 第37页 |
| 5.5 分类结果与分析 | 第37-42页 |
| 5.5.1 面向对象分类结果图 | 第37-39页 |
| 5.5.2 分类精度评价与分析 | 第39-42页 |
| 5.6 本章小结 | 第42-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读学位期间发表的学术论文 | 第47-48页 |
| 致谢 | 第48-49页 |
