| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究目的与意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 土地覆盖分类的发展 | 第15-17页 |
| 1.2.2 卷积神经网络在土地覆盖分类中的研究 | 第17-18页 |
| 1.3 本论文的主要研究内容和创新点 | 第18-19页 |
| 1.3.1 本论文的主要工作内容 | 第18-19页 |
| 1.3.2 本论文的创新点 | 第19页 |
| 1.4 本论文的结构安排 | 第19-21页 |
| 第2章 土地覆盖分类与卷积神经网络模型 | 第21-35页 |
| 2.1 遥感影像土地覆盖分类 | 第21-25页 |
| 2.1.1 遥感影像分类概述 | 第21页 |
| 2.1.2 遥感图像预处理 | 第21页 |
| 2.1.3 特征选择与提取 | 第21-22页 |
| 2.1.4 分类方法 | 第22-24页 |
| 2.1.4.1 监督分类 | 第22-24页 |
| 2.1.4.2 非监督分类 | 第24页 |
| 2.1.5 分类后处理与精度评价 | 第24-25页 |
| 2.1.5.1 分类后处理 | 第24-25页 |
| 2.1.5.2 精度评价方法 | 第25页 |
| 2.2 卷积神经网络 | 第25-32页 |
| 2.2.1 神经网络模型 | 第25-27页 |
| 2.2.1.1 神经网络概述 | 第25-26页 |
| 2.2.1.2 反向传播 | 第26-27页 |
| 2.2.2 卷积神经网络模型 | 第27-32页 |
| 2.2.2.1 卷积神经网络的基本结构 | 第27-29页 |
| 2.2.2.2 卷积神经网络经典模型 | 第29-32页 |
| 2.3 卷积神经网络与土地覆盖分类 | 第32-33页 |
| 2.3.1 卷积神经网络在土地覆盖分类中面临的问题 | 第32-33页 |
| 2.3.2 卷积神经网络在土地覆盖分类中的适用性 | 第33页 |
| 2.4 模型框架简介 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 模型介绍与研究数据 | 第35-42页 |
| 3.1 AlexNet模型介绍 | 第35-36页 |
| 3.2 LCNet-27和LCNet-13模型介绍 | 第36-38页 |
| 3.3 研究区概况 | 第38-39页 |
| 3.3.1 研究区一概况 | 第38-39页 |
| 3.3.2 研究区二概况 | 第39页 |
| 3.4 研究区训练数据准备 | 第39-41页 |
| 3.4.1 研究区一训练数据 | 第39-40页 |
| 3.4.2 研究区二训练数据 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 AlexNet模型finetune结果分析 | 第42-50页 |
| 4.1 研究技术路线 | 第42-44页 |
| 4.2 AlexNet模型finetune训练 | 第44页 |
| 4.3 不同尺寸样本对分类结果影响分析 | 第44-46页 |
| 4.4 不同分类方法对比分析 | 第46-49页 |
| 4.5 结果与分析 | 第49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 LCNet-27与LCNet-13模型训练与结果分析 | 第50-64页 |
| 5.1 研究技术路线 | 第50-52页 |
| 5.2 LCNet-27和LCNet-13模型训练 | 第52-53页 |
| 5.3 LCNet-27不同尺寸样本对分类结果影响分析 | 第53-55页 |
| 5.4 LCNet-27和LCNet-13对分类结果影响分析 | 第55-57页 |
| 5.5 不同分辨率影像对模型分类结果的影响 | 第57页 |
| 5.6 不同分类方法对比分析 | 第57-62页 |
| 5.7 结果与分析 | 第62-63页 |
| 5.8 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-67页 |
| 6.1 本文总结 | 第64-65页 |
| 6.2 本文不足及后续总之展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 作者简历及攻读硕士学位期间发表的学术论文与研究成果 | 第75页 |
