| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-17页 |
| 1.1 课题的研究背景及意义 | 第7-9页 |
| 1.2 遥感影像的土地利用类型分类方法 | 第9-13页 |
| 1.2.1 传统遥感影像分类方法 | 第9-11页 |
| 1.2.2 遥感域适应学习分类方法 | 第11-13页 |
| 1.3 遥感影像的土地覆盖变化检测方法 | 第13-15页 |
| 1.3.1 变化检测的目的和现存问题 | 第13页 |
| 1.3.2 变化检测方法概述和研究现状 | 第13-15页 |
| 1.4 论文主要研究内容和结构 | 第15-17页 |
| 2 域适应单峰子类分解遥感影像分类算法 | 第17-39页 |
| 2.1 DAUSD模型的介绍 | 第17-21页 |
| 2.1.1 模型概述 | 第17-18页 |
| 2.1.2 模型结构 | 第18-21页 |
| 2.2 算法的数学描述 | 第21-28页 |
| 2.2.1 高斯假设 | 第21-22页 |
| 2.2.2 基于网格的单峰子类分解 | 第22-26页 |
| 2.2.3 基于补充训练集的子类调整 | 第26-28页 |
| 2.2.4 算法测试过程描述 | 第28页 |
| 2.3 仿真实验 | 第28-38页 |
| 2.3.1 数值实验 | 第28-32页 |
| 2.3.2 遥感影像分类实验 | 第32-38页 |
| 2.4 小结 | 第38-39页 |
| 3 基于加权极限学习机的遥感影像多时相域适应分类算法 | 第39-50页 |
| 3.1 基于加权极限学习机的域适应学习 | 第39-44页 |
| 3.1.1 加权极限学习机介绍 | 第39-41页 |
| 3.1.2 加权极限学习机域适应学习 | 第41-43页 |
| 3.1.3 样本权值调整方法及算法流程总结 | 第43-44页 |
| 3.2 仿真实验 | 第44-49页 |
| 3.2.1 大连SPOT-5 遥感影像解译 | 第44-47页 |
| 3.2.2 盘锦湿地Landsat遥感影像仿真实验 | 第47-49页 |
| 3.3 小结 | 第49-50页 |
| 4 基于对象的熵值查询模糊ARTMAP联合分类变化检测 | 第50-67页 |
| 4.1 基于对象的熵值查询模糊ARTMAP联合比较算法 | 第50-56页 |
| 4.1.1 熵值查询模糊ARTMAP主动学习方法 | 第50-51页 |
| 4.1.2 基于向量相似度度量的EQFAM联合分类器 | 第51-54页 |
| 4.1.3 基于超像素分割的面向对象变化检测 | 第54-55页 |
| 4.1.4 EQFAM-OBJCC算法流程总结 | 第55-56页 |
| 4.2 仿真实验 | 第56-66页 |
| 4.2.1 影像数据介绍 | 第57-58页 |
| 4.2.2 验证EQFAM-OBJCC算法有效性 | 第58-62页 |
| 4.2.3 利用多时相影像对盘锦湿地动态监测 | 第62-66页 |
| 4.3 小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-75页 |
| 攻读硕士学位期间参与项目情况 | 第75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-78页 |
