| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 遥感影像分类国内外研究现状 | 第9-12页 |
| 1.2.1 基于像元的遥感影像分类研究 | 第10页 |
| 1.2.2 面向对象的分类研究 | 第10-11页 |
| 1.2.3 影像分类研究存在的问题与未来研究发展趋势 | 第11-12页 |
| 1.3 本文研究内容及论文的结构 | 第12-15页 |
| 1.3.1 研究目标和主要研究问题 | 第12页 |
| 1.3.2 技术流程和论文组织结构 | 第12-15页 |
| 第二章 研究区概况及数据源 | 第15-23页 |
| 2.1 研究区概况 | 第15-16页 |
| 2.2 数据源介绍 | 第16-18页 |
| 2.2.1 高分一号数据介绍 | 第16页 |
| 2.2.2 Landsat-8 OLI数据介绍 | 第16-17页 |
| 2.2.3 研究区数据 | 第17-18页 |
| 2.3 影像数据预处理 | 第18-21页 |
| 2.3.1 辐射定标与大气校正 | 第18-19页 |
| 2.3.2 几何精校正 | 第19-20页 |
| 2.3.3 影像融合与裁剪 | 第20-21页 |
| 2.4 分类体系建立 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 影像分割理论与最优多尺度分割实验 | 第23-33页 |
| 3.1 影像分割理论 | 第23-24页 |
| 3.1.1 影像分割定义 | 第23页 |
| 3.1.2 影像分割算法 | 第23-24页 |
| 3.2 面向高分影像的多尺度分割方法 | 第24-27页 |
| 3.2.1 尺度分割的选择与空间分辨率的联系 | 第24-25页 |
| 3.2.2 多尺度分割异质性准则 | 第25-27页 |
| 3.3 最优分割参数确定 | 第27-28页 |
| 3.3.1 分割尺度参数 | 第27-28页 |
| 3.3.2 异质性因子 | 第28页 |
| 3.4 最优分割参数实验 | 第28-32页 |
| 3.4.1 最优分割尺度确定 | 第28-30页 |
| 3.4.2 形状因子与紧致度因子确定 | 第30-32页 |
| 3.4.3 对象波段权重 | 第32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 影像分类理论与不同分类器分类对比实验 | 第33-49页 |
| 4.1 影像对象的特征 | 第33-36页 |
| 4.1.1 光谱特征 | 第33-34页 |
| 4.1.2 形状特征 | 第34-35页 |
| 4.1.3 纹理特征 | 第35-36页 |
| 4.2 地物对象特征 | 第36-37页 |
| 4.3 面向对象的分类方法选择 | 第37-38页 |
| 4.3.1 K近邻分类方法 | 第37-38页 |
| 4.3.2 CART决策树分类方法 | 第38页 |
| 4.4 基于不同分类器的分类实验 | 第38-46页 |
| 4.4.1 分类实验流程 | 第38-40页 |
| 4.4.2 分割尺度对分类效果的对比实验 | 第40-44页 |
| 4.4.3 不同的特征对分类结果的对比试验 | 第44-46页 |
| 4.5 面向对象的CART决策树分类与基于像元的最小距离分类对比实验 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 分类结果及精度评价 | 第49-57页 |
| 5.1 精度评价参数 | 第49-50页 |
| 5.1.1 总体分类精度 | 第49-50页 |
| 5.1.2 Kappa系数 | 第50页 |
| 5.2 不同分类器分类结果精度评价 | 第50-54页 |
| 5.2.1 CART决策树分类结果精度评价 | 第50-51页 |
| 5.2.2 K最近邻分类精度评价 | 第51-53页 |
| 5.2.3 最小距离分类精度评价 | 第53-54页 |
| 5.3 评价结果分析 | 第54-56页 |
| 5.3.1 定性分析 | 第54-55页 |
| 5.3.2 定量评价 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 不足与展望 | 第57-59页 |
| 硕士期间发表的论文及成果 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |