| 第一章 模式识别与多维遥感图像分类 | 第1-20页 |
| 一、 多维与高维遥感图像信息的表达 | 第12-13页 |
| 二、 多维遥感图像分类与传统模式识别的联系与区别 | 第13页 |
| 三、 空间尺度与混合像元光谱 | 第13-14页 |
| 四、 多源、多分辨率遥感数据分类与识别 | 第14-15页 |
| 五、 多维遥感图像分类与识别中的技术难点 | 第15-16页 |
| 六、 高维遥感图像监督分类过程及其影响 | 第16-19页 |
| 七、 自动化的遥感图像分类系统 | 第19页 |
| 八、 论文的组织结构 | 第19-20页 |
| 第二章 面向分类的遥感图像预处理研究 | 第20-38页 |
| 第一节 概述 | 第20页 |
| 第二节 基于统计比值差值排序滤波器的SeaWiFS图像脉冲噪声消除 | 第20-31页 |
| 一、 前言 | 第21页 |
| 二、 脉冲噪声模型与算法考虑 | 第21-22页 |
| 三、 算法实现与试验结果 | 第22-26页 |
| 四、 SeaWiFS图像噪声去除的应用 | 第26-28页 |
| 五、 非递归实现中的盲目参数优化 | 第28-31页 |
| 六、 小结 | 第31页 |
| 第三节 CBERS-1 PSF估计与图像复原 | 第31-38页 |
| 一、 前言 | 第31-32页 |
| 二、 算法与理论 | 第32-35页 |
| 三、 试验结果 | 第35-36页 |
| 四、 小结 | 第36-38页 |
| 第三章 高维遥感数据的最优特征选择与特征提取研究 | 第38-77页 |
| 第一节 遥感图像中特征选择与特征提取 | 第38-52页 |
| 一、 概述 | 第38-40页 |
| 二、 特征提取技术的研究现状 | 第40-41页 |
| 三、 特征选择方法研究现状 | 第41-43页 |
| 四、 特征提取与特征选择中的统计参量与统计性质 | 第43-47页 |
| 五、 几种常用的特征提取与特征选择方法 | 第47-52页 |
| 六、 本文所采用的方法及其思路 | 第52页 |
| 第二节 利用一维离散小波变换进行高维遥感图像特征提取 | 第52-60页 |
| 一、 小波及连续小波变换 | 第52-54页 |
| 二、 离散小波变换、小波分解与重构 | 第54-55页 |
| 三、 几种主要的小波基函数 | 第55-56页 |
| 四、 DWT用于多尺度光谱特征分解 | 第56-58页 |
| 五、 基于DWT的AVIRIS图像光谱特征提取 | 第58-60页 |
| 第三节 利用遗传算法进行高维遥感图像特征选择与特征提取 | 第60-77页 |
| 一、 遗传算法概述 | 第60-61页 |
| 二、 简单遗传算法(SGA) | 第61-63页 |
| 三、 遗传算法用于高维遥感图像特征选择 | 第63-69页 |
| 四、 基于DWT和遗传算法的特征提取技术用于高维遥感图像的比较研究 | 第69-72页 |
| 五、 基于小波包分析和遗传算法的特征提取技术用于高维遥感图像的研究 | 第72-75页 |
| 六、 小结 | 第75-77页 |
| 第四章 基于二维DWT的空间维特征提取的初步研究 | 第77-86页 |
| 第一节 空间特征提取方法概述 | 第77-80页 |
| 一、 空间信息与空间特征 | 第77页 |
| 二、 空间特征提取的主要内容 | 第77-80页 |
| 第二节 基于二维DWT的遥感图像空间维特征提取与分类研究 | 第80-86页 |
| 一、 二维小波变换 | 第80-81页 |
| 二、 二维遥感图像的多分辨率分析 | 第81-82页 |
| 三、 基于二维DWT空间特征提取的多分辨率分类器 | 第82-83页 |
| 四、 应用实例 | 第83-85页 |
| 五、 小结 | 第85-86页 |
| 第五章 基于实数遗传算法的MLP分类器及其在遥感图像分类中的应用 | 第86-104页 |
| 第一节 BP神经网络分类器及其在遥感图像分类中的应用 | 第86-93页 |
| 一、 BPNN分类器基本原理 | 第86-91页 |
| 二、 BP神经网络用于遥感图像分类的过程 | 第91-92页 |
| 三、 神经网络分类法的特点 | 第92-93页 |
| 第二节 基于实数编码遗传算法的多层神经网络用于多波段图像分类研究 | 第93-104页 |
| 一、 前言 | 第93-94页 |
| 二、 算法概述 | 第94-97页 |
| 三、 实验结果及讨论 | 第97-103页 |
| 四、 小结 | 第103-104页 |
| 第六章 基于NOAA-AVHRR时间序列数据的中国土地覆盖分类的比较研究 | 第104-114页 |
| 一、 前言 | 第104-105页 |
| 二、 数据 | 第105-107页 |
| 三、 方法 | 第107-113页 |
| 四、 小结 | 第113-114页 |
| 第七章 结论与展望 | 第114-116页 |
| 一、 主要研究结果与创新点 | 第114-115页 |
| 二、 展望 | 第115-116页 |
| 参考文献 | 第116-127页 |
| 博士期间发表的论文(2000-2003) | 第127-128页 |
| 致谢 | 第128页 |
