基于高分辨率遥感影像的茶园场景提取方法
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 遥感影像农作物提取现状 | 第14-16页 |
| 1.2.2 遥感影像场景分类现状 | 第16-18页 |
| 1.3 主要研究内容 | 第18-19页 |
| 1.3.1 研究目标 | 第18页 |
| 1.3.2 研究内容 | 第18-19页 |
| 1.3.3 创新点与特色 | 第19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 基于主题模型的茶园提取 | 第21-34页 |
| 2.1 基于视觉词袋模型的茶园提取 | 第21-26页 |
| 2.1.1 视觉词袋模型原理 | 第21-23页 |
| 2.1.2 茶园场景的底层特征提取 | 第23-25页 |
| 2.1.3 基于视觉词袋模型的茶园提取流程 | 第25-26页 |
| 2.2 基于LDA模型的茶园提取 | 第26-32页 |
| 2.2.1 LDA模型的基本概念 | 第26-27页 |
| 2.2.2 LDA模型原理 | 第27-30页 |
| 2.2.3 基于sLDA模型的茶园提取流程 | 第30-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 基于卷积神经网络的茶园提取 | 第34-46页 |
| 3.1 卷积神经网络 | 第34-38页 |
| 3.1.1 卷积神经网络的构造 | 第34-37页 |
| 3.1.2 卷积神经网络的特点 | 第37-38页 |
| 3.2 基于非监督卷积神经网络的特征提取 | 第38-43页 |
| 3.2.1 单层非监督卷积神经网络 | 第38-41页 |
| 3.2.2 多层特征的提取 | 第41-43页 |
| 3.3 基于非监督卷积神经网络的茶园提取 | 第43-44页 |
| 3.3.1 基于非监督卷积神经网络的茶园提取流程 | 第43页 |
| 3.3.2 支持向量机 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 茶园提取实验与结果分析 | 第46-60页 |
| 4.1 实验数据 | 第46-48页 |
| 4.2 实验流程及参数设置 | 第48-51页 |
| 4.2.1 实验流程介绍 | 第48-49页 |
| 4.2.2 实验参数设置 | 第49-51页 |
| 4.3 实验结果 | 第51-54页 |
| 4.4 分析与讨论 | 第54-59页 |
| 4.4.1 纹理特征的作用分析 | 第54-56页 |
| 4.4.2 不同提取方法的比较与分析 | 第56-57页 |
| 4.4.3 场景的空间尺度分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-67页 |
| 致谢 | 第67页 |
