| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 章节安排 | 第13-15页 |
| 2 卷积神经网络 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 卷积神经网络原理与结构 | 第15-18页 |
| 2.2.1 卷积层 | 第15-16页 |
| 2.2.2 池化层 | 第16-17页 |
| 2.2.3 全连接层与分类器 | 第17-18页 |
| 2.3 迁移学习训练策略 | 第18-19页 |
| 2.4 基于卷积神经网络的逐像素分类 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 3 基于卷积神经网络的面向对象遥感影像分类 | 第22-36页 |
| 3.1 引言 | 第22页 |
| 3.2 面向对象分析方法概述 | 第22-23页 |
| 3.3 超像素分割 | 第23-29页 |
| 3.3.1 简单线性迭代聚类 | 第24-26页 |
| 3.3.2 零参数简单线性迭代聚类 | 第26-27页 |
| 3.3.3 SEEDS | 第27-29页 |
| 3.4 基于卷积神经网络的面向对象遥感影像分类方法 | 第29-35页 |
| 3.4.1 AlexNet结构 | 第29-31页 |
| 3.4.2 基于单尺度卷积神经网络的超像素分类方法 | 第31-32页 |
| 3.4.3 基于多尺度卷积神经网络的超像素分类方法 | 第32-34页 |
| 3.4.4 尺度参数选择 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于卷积神经网络的地物分类实验 | 第36-55页 |
| 4.1 引言 | 第36页 |
| 4.2 实验数据 | 第36-39页 |
| 4.2.1 研究区 | 第36-37页 |
| 4.2.2 图像预处理 | 第37-38页 |
| 4.2.3 训练与验证数据集 | 第38-39页 |
| 4.2.4 精度检验数据 | 第39页 |
| 4.3 超像素分割 | 第39-42页 |
| 4.4 分类实验 | 第42-51页 |
| 4.4.1 尺度参数选择 | 第42-46页 |
| 4.4.2 对比试验 | 第46-51页 |
| 4.5 实验结果分析与讨论 | 第51-54页 |
| 4.5.1 基于卷积神经网络的面向对象分类方法的效果 | 第51-52页 |
| 4.5.2 尺度参数对结果的影响 | 第52页 |
| 4.5.3 多尺度策略对结果的影响 | 第52页 |
| 4.5.4 超像素分割方法的选择对结果的影响 | 第52-53页 |
| 4.5.5 精度评价方法对评价结果可靠性的影响 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-66页 |
| 附录 | 第66页 |
| 一、个人简介 | 第66页 |
| 二、硕士期间发表的学术论文 | 第66页 |
