| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第一章 绪论 | 第13-27页 |
| ·引言 | 第13-23页 |
| ·研究背景 | 第13-14页 |
| ·国内外研究现状及评述 | 第14-23页 |
| ·项目经费来源 | 第23页 |
| ·研究目标和主要研究内容 | 第23-24页 |
| ·关键的科学问题与研究目标 | 第23-24页 |
| ·主要研究内容 | 第24页 |
| ·技术路线 | 第24-27页 |
| ·技术流程 | 第24-25页 |
| ·论文组织与结构 | 第25-27页 |
| 第二章 研究区概况与数据 | 第27-33页 |
| ·研究区概况 | 第27-29页 |
| ·地理位置与行政区划 | 第27页 |
| ·研究区森林资源 | 第27-29页 |
| ·遥感数据 | 第29-30页 |
| ·高光谱数据 | 第29页 |
| ·多光谱数据 | 第29页 |
| ·航空影像数据 | 第29-30页 |
| ·基础地理和林业专题数据 | 第30页 |
| ·外业调查及其数据 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 高光谱影像预处理 | 第33-43页 |
| ·SWIR 数据空间漂移校正 | 第34页 |
| ·绝对辐射值转换 | 第34-35页 |
| ·有效波段选择 | 第35页 |
| ·“坏线”修复 | 第35-36页 |
| ·垂直条纹去除 | 第36-38页 |
| ·Hyperion 影像Smile 效应去除 | 第38-39页 |
| ·大气校正 | 第39-41页 |
| ·波段选择 | 第41页 |
| ·几何校正 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于Hyperion 数据的土地覆盖类型分类 | 第43-57页 |
| ·降维处理 | 第44-46页 |
| ·MNF 变换原理 | 第44-45页 |
| ·Hyperion 数据的MNF 变换 | 第45-46页 |
| ·研究方法 | 第46-49页 |
| ·支持向量机 | 第46-47页 |
| ·最大似然法 | 第47-48页 |
| ·基于支持向量机和最大似然法的组合分类方法 | 第48-49页 |
| ·基于支持向量机和最大似然法的土地覆盖分类 | 第49-53页 |
| ·基于支持向量机和最大似然法组合的算法实现 | 第49-50页 |
| ·土地覆盖类型的确定 | 第50页 |
| ·解译标志的建立 | 第50-51页 |
| ·训练和检验样地的选择 | 第51-52页 |
| ·训练样本可分性计算 | 第52-53页 |
| ·结果与精度分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 基于Hyperion 数据的森林类型精细识别 | 第57-68页 |
| ·有林地提取 | 第58页 |
| ·研究方法 | 第58-62页 |
| ·典型相关判别分析法的数学描述 | 第58-61页 |
| ·核典型相关判别分析法的数学描述 | 第61-62页 |
| ·基于核典型相关判别分析的森林类型的精细识别 | 第62-65页 |
| ·森林主要树种（组）的确定 | 第62-63页 |
| ·训练和检验样地的选择 | 第63页 |
| ·训练样本可分性计算 | 第63-64页 |
| ·森林类型精细识别 | 第64-65页 |
| ·精度分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 树种（组）识别算法的模块化实现 | 第68-74页 |
| ·模块结构设计 | 第68页 |
| ·模块程序实现 | 第68-71页 |
| ·接口Iclassifier 程序实现 | 第68-70页 |
| ·类SampleSet 的程序实现 | 第70页 |
| ·分类算法的程序实现 | 第70-71页 |
| ·模块功能界面 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第七章 结论与讨论 | 第74-77页 |
| ·结论 | 第74-75页 |
| ·本文的创新点 | 第75页 |
| ·存在的问题与展望 | 第75-77页 |
| 主要参考文献 | 第77-83页 |
| 附录 | 第83-84页 |
| 在读期间的学术研究 | 第84-85页 |
| 致谢 | 第85-86页 |