摘要 | 第5-8页 |
ABSTRACT | 第8-11页 |
第1章 绪论 | 第23-41页 |
1.1 研究背景和意义 | 第23-25页 |
1.1.1 研究背景 | 第23-24页 |
1.1.2 选题意义 | 第24-25页 |
1.2 国内外研究进展 | 第25-36页 |
1.2.1 遥感多时相影像分类应用研究现状 | 第25-26页 |
1.2.2 遥感图像分类技术研究进展 | 第26-31页 |
1.2.3 多分类器集成相关研究进展 | 第31-32页 |
1.2.4 随机森林算法相关研究进展 | 第32-34页 |
1.2.5 指纹识别技术相关研究进展 | 第34-35页 |
1.2.6 目前研究存在的问题 | 第35-36页 |
1.3 论文研究思路和流程 | 第36-37页 |
1.4 论文主要研究内容 | 第37-38页 |
1.5 论文章节安排 | 第38-41页 |
第2章 研究数据与方法 | 第41-49页 |
2.1 研究区概况 | 第41-43页 |
2.2 研究数据获取及预处理 | 第43-45页 |
2.2.1 多时相影像获取及其特征 | 第43页 |
2.2.2 影像数据预处理 | 第43-44页 |
2.2.3 野外观测数据预处理 | 第44-45页 |
2.2.4 北部湾遥感影像分类体系 | 第45页 |
2.3 分类精度评价方法 | 第45-47页 |
2.3.1 生产者精度 | 第46页 |
2.3.2 用户精度 | 第46页 |
2.3.3 总体精度 | 第46-47页 |
2.3.4 Kappa系数 | 第47页 |
2.4 本章小结 | 第47-49页 |
第3章 基于稳定权重加权投票的多分类器融合算法 | 第49-75页 |
3.1 单分类器分类结果对比及多分类器融合提升潜力分析 | 第49-53页 |
3.2 基于多种模式投票的多分类器融合算法对比分析 | 第53-61页 |
3.2.1 基于多种模式投票的多分类器融合算法原理及流程 | 第54-58页 |
3.2.2 基于多种模式投票的多分类器融合对比分析 | 第58-60页 |
3.2.3 基于精度权值加权投票的多分类器融合算法的稳定性分析 | 第60-61页 |
3.3 基于稳定权重加权投票的多分类器融合算法 | 第61-66页 |
3.3.1 稳定权重值的算法 | 第61-62页 |
3.3.2 稳定权重值可能存在的问题 | 第62-63页 |
3.3.3 稳定权重值的修正算法 | 第63-65页 |
3.3.4 基于稳定权重加权投票的多分类器融合算法分类结果精度分析 | 第65-66页 |
3.4 基于稳定权重加权投票的多分类器迭代融合算法 | 第66-73页 |
3.4.1 多分类器迭代融合算法原理 | 第67-69页 |
3.4.2 多分类器迭代融合算法验证分析 | 第69-73页 |
3.5 本章小结 | 第73-75页 |
第4章 基于稳定权重加权投票的多训练样本集多时相影像多分类器三重融合分类算法 | 第75-113页 |
4.1 遥感图像分类算法结果影响因素分析 | 第75页 |
4.2 基于稳定性权重投票的多训练样本集分类结果融合算法 | 第75-85页 |
4.2.1 单个训练样本集分类局限性分析 | 第75-79页 |
4.2.2 多训练样本集分类结果融合分类算法 | 第79-80页 |
4.2.3 分类结果精度分析 | 第80-85页 |
4.3 基于稳定权重加权投票的多时相影像多分类器二重融合算法 | 第85-95页 |
4.3.1 单时相影像分类的局限性分析 | 第85页 |
4.3.2 多时相影像分类结果差异分析 | 第85-89页 |
4.3.3 多时相影像传统分类应用分析 | 第89页 |
4.3.4 多时相影像多分类器二重融合算法原理 | 第89-92页 |
4.3.5 分类结果分析 | 第92-95页 |
4.4 基于稳定权重加权投票的多训练样本集多时相影像多分类器三重融合分类算法 | 第95-110页 |
4.4.1 三重融合算法原理及流程 | 第95-97页 |
4.4.2 算法验证 | 第97-98页 |
4.4.3 算法分类精度提升效果分析 | 第98-110页 |
4.5 本章小结 | 第110-113页 |
第5章 基于像元图像指纹识别的多时相影像分类识别算法 | 第113-131页 |
5.1 指纹识别技术及其应用 | 第113-114页 |
5.2 基于像元图像指纹识别的多时相遥感图像分类算法构建 | 第114-118页 |
5.2.1 分类算法原理 | 第114页 |
5.2.2 分类算法流程 | 第114-117页 |
5.2.3 分类算法初次测试结果与精度分析 | 第117-118页 |
5.3 基于像元图像指纹识别的多时相遥感图像目标地物识别算法构建 | 第118-122页 |
5.3.1 识别算法原理 | 第118-119页 |
5.3.2 识别算法流程 | 第119-120页 |
5.3.3 识别算法初次测试结果及精度分析 | 第120-122页 |
5.4 分类与识别算法影响因素及精度提升分析 | 第122-126页 |
5.4.1 算法本身的影响分析及算法改进 | 第123页 |
5.4.2 多时相影像特征波段数量的影响分析 | 第123-124页 |
5.4.3 标准训练样本质量和数量的影响分析 | 第124-126页 |
5.5 分类与识别算法最终测试结果分析 | 第126-129页 |
5.5.1 分类算法最终测试结果与精度分析 | 第126-127页 |
5.5.2 识别算法最终测试结果分析 | 第127-129页 |
5.6 本章小结 | 第129-131页 |
第6章 结论与展望 | 第131-135页 |
6.1 研究结论 | 第131-132页 |
6.2 创新点 | 第132-133页 |
6.3 研究展望 | 第133-135页 |
主要参考文献 | 第135-145页 |
附录: 算法部分源代码 | 第145-155页 |
附录A 基于精度权值加权投票模式的多分类器融合算法部分源代码 | 第145-146页 |
附录B 基于精度权值优选投票模式的多分类器融合算法程序部分源代码 | 第146-148页 |
附录C 基于稳定性权值加权投票的多分类器融合算法程序部分源代码 | 第148-149页 |
附录D 基于像元图像指纹识别的多时相遥感影像分类算法部分源代码 | 第149-151页 |
附录E 基于像元图像指纹识别的多时相遥感影像目标地物识别算法部分源代码 | 第151-155页 |
附表 | 第155-169页 |
附图 | 第169-173页 |
攻读学位期间参与的科研项目和研究成果 | 第173-175页 |
致谢 | 第175-176页 |