基于面向对象和多源数据融合的茶园遥感提取研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于像元的遥感分类国内外研究现状 | 第12-13页 |
| 1.2.2 面向对象的遥感分类国内外研究现状 | 第13-15页 |
| 1.2.3 茶园遥感提取国内外研究现状 | 第15-16页 |
| 1.3 本文主要研究工作 | 第16-17页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 研究技术路线 | 第16-17页 |
| 1.4 研究的主要创新及意义 | 第17-20页 |
| 1.4.1 研究意义 | 第17-18页 |
| 1.4.2 研究的主要创新 | 第18-20页 |
| 第二章 研究区概况及数据准备 | 第20-28页 |
| 2.1 研究区概况 | 第20-23页 |
| 2.1.1 自然地理概况 | 第21-22页 |
| 2.1.2 社会经济概况 | 第22-23页 |
| 2.2 数据准备 | 第23-28页 |
| 2.2.1 数据来源 | 第23-25页 |
| 2.2.2 数据预处理 | 第25-28页 |
| 第三章 面向对象和影像多尺度分割基本理论 | 第28-42页 |
| 3.1 基本概念 | 第28-30页 |
| 3.1.1 影像对象 | 第28-30页 |
| 3.1.2 尺度 | 第30页 |
| 3.2 影像多尺度分割技术 | 第30-35页 |
| 3.2.1 影像多尺度分割概念 | 第31-32页 |
| 3.2.2 影像多尺度分割算法基本原理及步骤 | 第32-35页 |
| 3.3 面向对象的影像特征描述 | 第35-40页 |
| 3.3.1 影像对象特征 | 第36页 |
| 3.3.2 影像对象主要特征描述 | 第36-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于面向对象和多源数据融合的茶园遥感提取 | 第42-64页 |
| 4.1 影像对象最优分割参数选择 | 第42-46页 |
| 4.1.1 最优分割尺度定义 | 第42-43页 |
| 4.1.2 均质性参数选择 | 第43-44页 |
| 4.1.3 最优分割尺度选择 | 第44-46页 |
| 4.2 训练样本选择 | 第46-50页 |
| 4.2.1 样本解译标志及分类体系构建 | 第46-48页 |
| 4.2.2 训练样本采集和验证 | 第48-50页 |
| 4.3 面向对象和多源数据融合的多层次规则分类 | 第50-62页 |
| 4.3.1 基于模糊分类的植被提取 | 第50-53页 |
| 4.3.2 多层次分类规则构建 | 第53-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 面向对象的茶园监督分类 | 第64-70页 |
| 5.1 监督分类方法简介 | 第64-66页 |
| 5.1.1 最大似然分类方法 | 第64-65页 |
| 5.1.2 支持向量机分类方法 | 第65页 |
| 5.1.3 随机森林分类方法 | 第65-66页 |
| 5.2 特征空间优化 | 第66-68页 |
| 5.3 分类结果 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 分类结果精度评价与比较 | 第70-76页 |
| 6.1 评价方法 | 第70-71页 |
| 6.2 验证数据 | 第71-72页 |
| 6.3 评价结果及分析 | 第72-74页 |
| 6.4 本章小结 | 第74-76页 |
| 第七章 总结与展望 | 第76-78页 |
| 7.1 主要结论 | 第76-77页 |
| 7.2 存在的问题与不足 | 第77页 |
| 7.3 研究展望 | 第77-78页 |
| 参考文献 | 第78-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间研究成果 | 第88页 |
