| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 遥感影像分类方法研究现状 | 第11-13页 |
| 1.2.1 基于像元的遥感影像分类研究 | 第11-12页 |
| 1.2.2 基于对象的遥感影像分类研究 | 第12-13页 |
| 1.3 遥感影像纹理特征应用研究现状 | 第13-14页 |
| 1.4 本文主要内容及章节安排 | 第14-16页 |
| 第2章 实验数据及面向对象分类基本理论 | 第16-28页 |
| 2.1 遥感影像简介 | 第16-18页 |
| 2.1.1 LandsatTM遥感影像 | 第16-17页 |
| 2.1.2 LandsatETM+遥感影像 | 第17页 |
| 2.1.3 LandsatOLI遥感影像 | 第17-18页 |
| 2.2 面向对象分类方法概述 | 第18-26页 |
| 2.2.1 影像分割 | 第19-21页 |
| 2.2.2 特征提取 | 第21页 |
| 2.2.3 影像对象分类 | 第21-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 面向对象分割尺度选择 | 第28-36页 |
| 3.1 数据预处理 | 第28-31页 |
| 3.1.1 遥感数据选择 | 第28页 |
| 3.1.2 研究区选择 | 第28-29页 |
| 3.1.3 数据融合 | 第29-30页 |
| 3.1.4 数据剪裁 | 第30-31页 |
| 3.2 建立分类体系 | 第31页 |
| 3.3 面向对象分割尺度分析 | 第31-33页 |
| 3.3.1 面向对象分类分割尺度 | 第31-32页 |
| 3.3.2 最优影像分割尺度计算方法 | 第32-33页 |
| 3.4 最优分割尺度实验分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 纹理特征集构建 | 第36-51页 |
| 4.1 纹理的分析方法 | 第36-40页 |
| 4.1.1 纹理的定义 | 第36页 |
| 4.1.2 纹理特征分析方法 | 第36-37页 |
| 4.1.3 基于灰度共生矩阵的纹理特征分析方法 | 第37-39页 |
| 4.1.4 基于Gabor滤波器的Gist纹理特征分析方法 | 第39-40页 |
| 4.2 GLCM及Gist纹理特征分析 | 第40-47页 |
| 4.2.1 GLCM纹理特征选择 | 第40-45页 |
| 4.2.2 基于Gabor滤波器的Gist纹理特征提取 | 第45-47页 |
| 4.3 最佳纹理特征组合建立 | 第47-50页 |
| 4.3.1 最佳纹理特征组合建立方法 | 第47页 |
| 4.3.2 最佳纹理特征组合分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 基于纹理特征的面向对象分类 | 第51-64页 |
| 5.1 基于原始数据和纹理数据的面向对象分类 | 第51-57页 |
| 5.1.1 原始数据面向对象分类结果 | 第52-54页 |
| 5.1.2 纹理数据面向对象分类结果 | 第54-56页 |
| 5.1.3 原始及纹理数据面向对象分类结果对比 | 第56-57页 |
| 5.2 传统监督分类结果 | 第57-61页 |
| 5.3 面向对象分类及监督分类对比 | 第61-62页 |
| 5.4 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72页 |