基于CSBP模型的中尺度遥感影像分类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 选题背景与研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 BP神经网络研究现状 | 第10-13页 |
| 1.2.2 布谷鸟搜索算法研究现状 | 第13-14页 |
| 1.3 研究内容和组织结构 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 遥感影像分类 | 第16-22页 |
| 2.1 遥感影像分类概述 | 第16-17页 |
| 2.2 遥感影像分类方法 | 第17-19页 |
| 2.2.1 非监督分类 | 第17-18页 |
| 2.2.2 监督分类 | 第18-19页 |
| 2.3 遥感影像分类精度评价 | 第19-21页 |
| 2.3.1 评价方法 | 第19-20页 |
| 2.3.2 评价结果 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 BP神经网络算法和布谷鸟搜索算法及其改进 | 第22-34页 |
| 3.1 神经网络概述 | 第22-24页 |
| 3.1.1 神经网络原理 | 第22-23页 |
| 3.1.2 神经网络的特点 | 第23-24页 |
| 3.2 BP神经网络 | 第24-28页 |
| 3.2.1 BP神经网络的基本思想 | 第24-25页 |
| 3.2.2 BP神经网络算法步骤 | 第25-28页 |
| 3.3 布谷鸟搜索算法及其改进 | 第28-32页 |
| 3.3.1 莱维飞行 | 第28-29页 |
| 3.3.2 布谷鸟搜索算法 | 第29-30页 |
| 3.3.3 改进的布谷鸟搜索算法 | 第30-31页 |
| 3.3.4 算法测试 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 基于CSBP影像分类的数据预处理 | 第34-44页 |
| 4.1 研究区域概况 | 第34页 |
| 4.2 研究区影像选择与预处理 | 第34-38页 |
| 4.2.1 研究区影像选择 | 第34-37页 |
| 4.2.2 遥感数据的预处理 | 第37-38页 |
| 4.3 遥感影像最优波段组合 | 第38-41页 |
| 4.4 图像融合 | 第41-42页 |
| 4.5 遥感影像NDVI指数提取 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 基于CSBP模型的遥感影像分类实验及结果 | 第44-54页 |
| 5.1 研究区域土地覆盖分类体系的确定 | 第44-45页 |
| 5.2 样本数据的获取与处理 | 第45-47页 |
| 5.2.1 样本数据的获取 | 第45-47页 |
| 5.2.2 样本数据的处理 | 第47页 |
| 5.3 BP神经网络结构的确定 | 第47-49页 |
| 5.4 布谷鸟搜索算法优化BP神经网络 | 第49-50页 |
| 5.4.1 CSBP技术路线图 | 第49-50页 |
| 5.4.2 CSBP算法的python实现 | 第50页 |
| 5.5 分类结果及各方法精度对比分析 | 第50-53页 |
| 5.6 分类模型的适用性分析 | 第53页 |
| 5.7 本章小结 | 第53-54页 |
| 6 结论与展望 | 第54-55页 |
| 6.1 结论 | 第54页 |
| 6.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60-76页 |
| 致谢 | 第76页 |
