| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·遥感图像分类的意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·遥感图像分类研究现状 | 第12-14页 |
| ·K-means算法研究现状 | 第14-15页 |
| ·论文主要研究内容 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 遥感图像计算机分类技术 | 第17-23页 |
| ·遥感图像计算机分类 | 第17-19页 |
| ·计算机分类原理 | 第17-18页 |
| ·计算机分类一般过程 | 第18-19页 |
| ·非监督分类 | 第19页 |
| ·监督分类 | 第19-20页 |
| ·新型分类方法 | 第20-21页 |
| ·基于人工神经网络的分类 | 第20页 |
| ·基于决策树的分类 | 第20-21页 |
| ·基于专家知识和地学知识系统的分类 | 第21页 |
| ·分类结果评价标准 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 研究区域地物类型样本图像选取 | 第23-30页 |
| ·TM波段选取 | 第23-26页 |
| ·TM波段光谱特性分析 | 第23-24页 |
| ·TM波段统计特征分析 | 第24-25页 |
| ·TM波段相关系数分析 | 第25-26页 |
| ·最佳波段组合 | 第26页 |
| ·样本图像确定的原则和方法 | 第26-27页 |
| ·研究区地物类型样本选取 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于二维小波变换的K-means算法的遥感图像分类 | 第30-43页 |
| ·传统的K-means算法 | 第30-31页 |
| ·改进的K-means算法 | 第31-42页 |
| ·研究区小波纹理特征分析 | 第31-33页 |
| ·二维离散小波图像变换 | 第33-36页 |
| ·图像小波变换的统计 | 第36-40页 |
| ·纹理特征向量提取 | 第40页 |
| ·算法实现步骤 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 分类实验结果评价与分析 | 第43-50页 |
| ·分类结果 | 第45-46页 |
| ·分类评价 | 第46-48页 |
| ·误差矩阵 | 第46-47页 |
| ·Kappa系数 | 第47-48页 |
| ·实验结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 结论与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57-61页 |
| 作者简介 | 第61-62页 |
| 攻读硕士期间发表的论文和参加科研情况 | 第62-63页 |