| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 表目录 | 第9-10页 |
| 图目录 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题来源 | 第11页 |
| ·相关技术及其发展现状 | 第11-14页 |
| ·遥感影像分类方法和发展现状 | 第11-12页 |
| ·数据融合的基本原理和方法 | 第12-14页 |
| ·论文的主要贡献 | 第14-15页 |
| ·论文组织 | 第15-16页 |
| 第二章 遥感影像分类基础 | 第16-34页 |
| ·引言 | 第16页 |
| ·特征选取 | 第16-25页 |
| ·遥感影像的颜色特征 | 第16-17页 |
| ·遥感影像的空间信息 | 第17-18页 |
| ·遥感影像的纹理特征 | 第18-25页 |
| ·基本分类算法 | 第25-33页 |
| ·神经网络分类算法 | 第25-30页 |
| ·K-means聚类算法 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于Adaboost算法的遥感影像分类 | 第34-46页 |
| ·引言 | 第34页 |
| ·Adaboost算法的理论基础 | 第34-37页 |
| ·Boosting 算法的发展 | 第34-35页 |
| ·Adaboost算法 | 第35-37页 |
| ·基于AdaBoost算法的K-means 遥感影像分类算法 | 第37-40页 |
| ·Boost-Clustering算法 | 第37-38页 |
| ·基本聚类器的划分性能评价 | 第38-39页 |
| ·类别关联 | 第39页 |
| ·数据集分布调整 | 第39-40页 |
| ·实验结果分析 | 第40-45页 |
| ·融合提升方法有效性测试实验 | 第41-42页 |
| ·基于AdaBoost融合算法的K-means遥感影像分类实验 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于DS证据理论的遥感影像分类 | 第46-58页 |
| ·引言 | 第46页 |
| ·证据理论基础 | 第46-49页 |
| ·基本概念 | 第46-48页 |
| ·证据理论的合成公式 | 第48-49页 |
| ·证据合成的一般性框架 | 第49页 |
| ·基于DS理论的遥感影像分类算法 | 第49-53页 |
| ·折扣系数法 | 第49-50页 |
| ·证据生成 | 第50页 |
| ·基于min-max算子的合成公式 | 第50-51页 |
| ·算法实现 | 第51-53页 |
| ·实验结果分析 | 第53-56页 |
| ·证据理论融合算法比较实验 | 第53-54页 |
| ·遥感影像多特征融合分类实验 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 基于模糊积分的遥感影像分类 | 第58-71页 |
| ·引言 | 第58页 |
| ·模糊积分的理论基础 | 第58-61页 |
| ·模糊测度 | 第58-60页 |
| ·Sugeno模糊积分 | 第60页 |
| ·Choquet模糊积分 | 第60-61页 |
| ·基于模糊积分的遥感影像分类算法 | 第61-66页 |
| ·模糊积分在多分类器融合中的应用 | 第61-62页 |
| ·模糊密度和模糊测度的确定 | 第62-65页 |
| ·算法实现 | 第65-66页 |
| ·实验结果分析 | 第66-69页 |
| ·融合算法性能比较实验 | 第66-68页 |
| ·遥感影像融合分类实验 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 第六章 结束语 | 第71-73页 |
| ·本文工作总结 | 第71-72页 |
| ·研究展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者在学期间取得的学术成果 | 第78-79页 |
| 附录: 本文算法实验平台 | 第79页 |