| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·遥感影像分类研究现状 | 第11-13页 |
| ·遥感影像分类 | 第11页 |
| ·遥感影像计算机分类方法 | 第11-13页 |
| ·论文主要技术路线及章节安排 | 第13-16页 |
| ·技术路线 | 第13-14页 |
| ·章节安排 | 第14-16页 |
| 2 遥感影像分类综述 | 第16-29页 |
| ·遥感影像分类理论基础 | 第16-18页 |
| ·分类器设计 | 第18-19页 |
| ·影像特征 | 第18页 |
| ·分类方法的选取 | 第18-19页 |
| ·主要分类方法 | 第19-26页 |
| ·监督分类方法 | 第19-23页 |
| ·非监督分类方法 | 第23-24页 |
| ·BP 神经网络法 | 第24-26页 |
| ·基于混淆矩阵的精度评价方法 | 第26-28页 |
| ·总体精度 | 第27页 |
| ·生产者精度 | 第27页 |
| ·用户精度 | 第27-28页 |
| ·Kappa系数 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 单一分类器遥感影像分类 | 第29-40页 |
| ·样本采集 | 第29-30页 |
| ·单分类器分类实验 | 第30-34页 |
| ·最短距离分类方法 | 第30-31页 |
| ·马氏距分类方法 | 第31-32页 |
| ·贝叶斯分类方法 | 第32-33页 |
| ·K-均值分类方法 | 第33页 |
| ·BP 神经网络分类方法 | 第33-34页 |
| ·分类后处理 | 第34页 |
| ·单分类器分类精度对比分析 | 第34-38页 |
| ·单分类器分类结果精度评价 | 第34-37页 |
| ·单分类器分类精度对比分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 4 多分类器融合遥感影像分类 | 第40-50页 |
| ·多分类器融合理论 | 第40-43页 |
| ·抽象级多分类器融合--投票法 | 第41-42页 |
| ·测量级多分类器融合--Bayesian 平均方法 | 第42-43页 |
| ·多分类器融合分类实验 | 第43-46页 |
| ·抽象级的多分类器融合 | 第44页 |
| ·测量级的多分类器融合 | 第44-46页 |
| ·多分类器分类精度对比分析 | 第46-48页 |
| ·多分类器融合实验混淆矩阵 | 第46页 |
| ·多分类器融合精度分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 5 总结及展望 | 第50-52页 |
| ·研究成果 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 作者简历 | 第54-56页 |
| 学位论文数据集 | 第56-57页 |