| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 引言 | 第8-10页 |
| ·遥感影像模式识别的背景及研究意义 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·研究目的及研究内容 | 第9-10页 |
| 第二章 BP 神经网络的基本原理 | 第10-25页 |
| ·人工神经网络发展概要 | 第10页 |
| ·人工神经网络的特点 | 第10-18页 |
| ·生物神经网 | 第11页 |
| ·人工神经元 | 第11-15页 |
| ·人工神经网络网络的分层结构 | 第15-17页 |
| ·人工神经网络的训练 | 第17-18页 |
| ·BP 神经网络基本原理 | 第18-22页 |
| ·BP 算法基本结构 | 第19-22页 |
| ·神经网络的泛化能力 | 第22-23页 |
| ·结构复杂性 | 第22页 |
| ·样本质量及数量 | 第22-23页 |
| ·先验知识 | 第23页 |
| ·初始权值 | 第23页 |
| ·训练时间 | 第23页 |
| ·BP 算法的优劣点 | 第23-25页 |
| ·局限性 | 第23-24页 |
| ·优点 | 第24-25页 |
| 第三章 小波变换 | 第25-28页 |
| ·小波变换原理 | 第25-26页 |
| ·小波变换--图象降噪 | 第26页 |
| ·小波去噪方法 | 第26页 |
| ·小波变换--图象压缩 | 第26-28页 |
| 第四章 数据的采集与准备 | 第28-41页 |
| ·遥感图像及分类原理 | 第28页 |
| ·遥感数据信息源的选取（遥感平台） | 第28-30页 |
| ·遥感数据预处理 | 第30-39页 |
| ·几何纠正及镶嵌 | 第30-33页 |
| ·融合 | 第33-39页 |
| ·遥感图像预处理结果 | 第39-41页 |
| 第五章 基于 BP 神经网络的遥感影像模式识别方法研究 | 第41-56页 |
| ·样本数据的标准化处理 | 第42-43页 |
| ·单幅影像数据的标准化处理 | 第42-43页 |
| ·BP 神经网络训练样本标准化处理 | 第43页 |
| ·构建BP 神经网络 | 第43-46页 |
| ·小波变换与BP 神经网络的结合 | 第46-56页 |
| ·小波变换——影像压缩和去噪 | 第47-50页 |
| ·特征选择和提取 | 第50-52页 |
| ·影像模式识别仿真结果和分析 | 第52-56页 |
| 第六章 总结 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者在读期间参与科研及论文发表情况 | 第60-61页 |
| 致谢 | 第61-62页 |