融合各最优尺度下特征的高分辨率遥感影像分类
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 前言 | 第7-16页 |
| 1.1 研究背景及意义 | 第7-10页 |
| 1.2 最优尺度选择方法综述 | 第10-12页 |
| 1.2.1 经验反复试错法 | 第10页 |
| 1.2.2 参数鉴别法 | 第10-11页 |
| 1.2.3 构建模型法 | 第11-12页 |
| 1.3 课题研究目的和内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第二章 高分辨率遥感影像分类理论基础 | 第16-26页 |
| 2.1 尺度分割 | 第16-18页 |
| 2.2 特征提取 | 第18-25页 |
| 2.2.1 纹理特征 | 第18-21页 |
| 2.2.2 形状特征 | 第21-23页 |
| 2.2.3 颜色特征 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 最优分割尺度 | 第26-34页 |
| 3.1 函数的构建 | 第26-29页 |
| 3.2 实验结果与分析 | 第29-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 多特征提取与特征选择 | 第34-45页 |
| 4.1 对象的特征 | 第34-37页 |
| 4.1.1 纹理特征 | 第34-35页 |
| 4.1.2 形状特征 | 第35-37页 |
| 4.1.3 颜色特征 | 第37页 |
| 4.2 特征选择概述 | 第37-40页 |
| 4.3 基于SFFS算法的无关特征筛除 | 第40-42页 |
| 4.3.1 SFFS算法 | 第40-42页 |
| 4.3.2 去除无关特征 | 第42页 |
| 4.4 基于互信息的冗余无关特征筛除 | 第42-44页 |
| 4.4.1 互信息 | 第42-44页 |
| 4.4.2 去除冗余特征 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 基于遗传算法优化的SVM分类模型 | 第45-66页 |
| 5.1 基于遗传算法的特征集筛选 | 第45-52页 |
| 5.1.1 遗传算法 | 第45-49页 |
| 5.1.2 特征集筛选 | 第49-52页 |
| 5.2 支持向量机 | 第52-56页 |
| 5.2.1 二分类 | 第53-56页 |
| 5.2.2 多分类 | 第56页 |
| 5.3 基于遗传算法优化的SVM多分类模型 | 第56-60页 |
| 5.4 实验与分析 | 第60-65页 |
| 5.4.1 实验影像选取 | 第60页 |
| 5.4.2 实验结果与比较 | 第60-62页 |
| 5.4.3 实验精度评价 | 第62-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |
| 作者简介 | 第73-74页 |
| 作者在攻读硕士学位期间学术成果 | 第74页 |
