遥感影像预处理与地物提取方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·课题研究背景和意义 | 第8页 |
| ·遥感影像预处理与地物提取研究进展 | 第8-11页 |
| ·影像预处理 | 第8-9页 |
| ·基于遥感技术的地物信息提取 | 第9-11页 |
| 2 遥感影像地物提取的可行性分析 | 第11-20页 |
| ·土地利用现状分类体系 | 第11-14页 |
| ·阴影与地形起伏的影响 | 第14-16页 |
| ·地域差别的影响 | 第16页 |
| ·“同物异谱”、“同谱异物”现象 | 第16-17页 |
| ·土地利用类型的多样性 | 第17-18页 |
| ·研究内容与目标 | 第18-20页 |
| 3 数据与预处理 | 第20-34页 |
| ·数据 | 第20-22页 |
| ·研究区概况 | 第20页 |
| ·数据源 | 第20-21页 |
| ·研究区截取 | 第21-22页 |
| ·去除地形影响 | 第22-23页 |
| ·阴影处理 | 第23-27页 |
| ·阴影检测 | 第23-24页 |
| ·阴影区图像恢复 | 第24-27页 |
| ·影像增强 | 第27-34页 |
| ·影像去霾 | 第27-29页 |
| ·直方图均衡 | 第29-31页 |
| ·同态滤波 | 第31-34页 |
| 4 分类方法介绍 | 第34-47页 |
| ·非监督分类 | 第34页 |
| ·监督分类 | 第34-37页 |
| ·最小距离法 | 第35页 |
| ·平行六面体法 | 第35页 |
| ·最大似然法 | 第35-36页 |
| ·决策树分类法 | 第36-37页 |
| ·模糊分类 | 第37页 |
| ·神经网络分类 | 第37-38页 |
| ·面向对象法 | 第38-44页 |
| ·影像分割 | 第39页 |
| ·区域合并 | 第39-40页 |
| ·地物波谱特征 | 第40-41页 |
| ·空间纹理特征 | 第41-42页 |
| ·空间几何特征 | 第42-43页 |
| ·颜色性质 | 第43页 |
| ·波段比率 | 第43-44页 |
| ·像元结构法 | 第44页 |
| ·分类结果评价 | 第44-47页 |
| 5 遥感影像地物提取 | 第47-60页 |
| ·选择训练样本 | 第47-48页 |
| ·样本选取原则 | 第47页 |
| ·试验区样本类型确定 | 第47-48页 |
| ·最大似然法地物提取 | 第48-51页 |
| ·最大似然法分类思想 | 第48页 |
| ·样本的形成与评价 | 第48-50页 |
| ·分类结果 | 第50-51页 |
| ·分类结果精度评价 | 第51页 |
| ·面向对象法地物提取 | 第51-58页 |
| ·图像分割与区域合并 | 第51-52页 |
| ·典型地物特征分析 | 第52-56页 |
| ·规则的形成与分类结果 | 第56-58页 |
| ·分类结果精度评价 | 第58页 |
| ·地物信息提取结果对比分析 | 第58-60页 |
| 6 结论 | 第60-62页 |
| ·主要结论 | 第60页 |
| ·存在问题与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
