遥感技术在扎龙湿地资源调查中的应用
| 1 绪论 | 第1-9页 |
| 2 遥感图像处理的基本步骤 | 第9-16页 |
| ·图像预处理 | 第9-13页 |
| ·最佳波段组合 | 第9-10页 |
| ·几何校正 | 第10-13页 |
| ·图像分类 | 第13-15页 |
| ·监督分类 | 第13-14页 |
| ·非监督分类 | 第14页 |
| ·其他分类方法 | 第14-15页 |
| ·制图 | 第15页 |
| ·结语 | 第15-16页 |
| 3 遥感影像的神经网络分类模型 | 第16-23页 |
| ·神经网络概述 | 第16-18页 |
| ·神经网络分类模型 | 第18-20页 |
| ·多层感知器 | 第18-19页 |
| ·RBF神经网络 | 第19-20页 |
| ·遥感图像分类误差和精度评价 | 第20-22页 |
| ·误差来源及其特征 | 第20-21页 |
| ·精度评价方法 | 第21-22页 |
| ·结语 | 第22-23页 |
| 4 利用遥感数据对扎龙湿地资源进行调查 | 第23-39页 |
| ·研究区概况及数据 | 第23-25页 |
| ·研究区概况 | 第23-24页 |
| ·数据 | 第24-25页 |
| ·数据预处理 | 第25-28页 |
| ·最佳波段组合的选择 | 第25-27页 |
| ·几何精校正 | 第27-28页 |
| ·图像识别与分类 | 第28-30页 |
| ·制图 | 第30-31页 |
| ·面积统计及土地利用变化分析 | 第31-38页 |
| ·结语 | 第38-39页 |
| 5 改进学习算法的四层神经网络遥感分类模型 | 第39-51页 |
| ·网络结构 | 第39-40页 |
| ·基于鲁棒误差函数的自适应反向传播算法 | 第40-43页 |
| ·鲁棒误差函数 | 第40-41页 |
| ·基于鲁棒误差函数的自适应反向传播算法流程 | 第41-43页 |
| ·扎龙湿地影像分类 | 第43-50页 |
| ·训练与校验数据的选取 | 第44-45页 |
| ·训练过程 | 第45-46页 |
| ·分类结果对比 | 第46-48页 |
| ·精度分析 | 第48-50页 |
| ·结语 | 第50-51页 |
| 6 影像自动分类系统 | 第51-61页 |
| ·系统功能 | 第51-52页 |
| ·系统工作流程 | 第52-54页 |
| ·NET平台下影像自动分类系统的实现 | 第54-60页 |
| ·结语 | 第60-61页 |
| 7 结论与展望 | 第61-63页 |
| ·结论 | 第61-62页 |
| ·研究展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 课题资助情况 | 第66-67页 |
| 攻读硕士生期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-70页 |
