基于WorldView-2的多级决策的光学遥感水深反演方法研究
| 摘要 | 第4-7页 |
| Abstract | 第7-10页 |
| 第1章 引言 | 第19-32页 |
| 1.1 研究背景 | 第19-22页 |
| 1.1.1 选题背景 | 第19-21页 |
| 1.1.2 研究意义 | 第21-22页 |
| 1.1.3 课题支撑 | 第22页 |
| 1.2 国内外研究进展 | 第22-27页 |
| 1.2.1 光学遥感水深反演研究进展 | 第22-26页 |
| 1.2.2 研究现状评述 | 第26-27页 |
| 1.3 研究内容与技术路线 | 第27-30页 |
| 1.3.1 水深反演主体策略 | 第27-28页 |
| 1.3.2 研究内容 | 第28-29页 |
| 1.3.3 技术路线 | 第29-30页 |
| 1.4 论文组织结构 | 第30-32页 |
| 第2章 研究区及数据预处理 | 第32-44页 |
| 2.1 研究区概况 | 第32页 |
| 2.2 数据介绍 | 第32-34页 |
| 2.2.1 光学遥感影像 | 第33页 |
| 2.2.2 实测水深数据 | 第33-34页 |
| 2.3 数据预处理 | 第34-43页 |
| 2.3.1 遥感影像预处理 | 第34-42页 |
| 2.3.2 实测水深数据预处埋 | 第42页 |
| 2.3.3 实验样本库构建 | 第42-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第3章 集成三维块匹配法去噪 | 第44-57页 |
| 3.1 三维块匹配(BM3D)法 | 第44-47页 |
| 3.1.1 BM3D算法 | 第44-45页 |
| 3.1.2 BM3D去噪特性分析 | 第45-47页 |
| 3.2 集成三维块匹配法与算法验证 | 第47-55页 |
| 3.2.1 集成三维块匹配算法与实现 | 第47-51页 |
| 3.2.2 算法验证 | 第51-55页 |
| 3.3 WorldView-2影像去噪 | 第55页 |
| 3.4 本章小结 | 第55-57页 |
| 第4章 多级决策的光学遥感水深预反演 | 第57-72页 |
| 4.1 水深反演模型 | 第57-59页 |
| 4.2 波段与水深相关性分析 | 第59-61页 |
| 4.2.1 波段与水深相关性分析 | 第59-60页 |
| 4.2.2 波段与水深数据处理 | 第60-61页 |
| 4.3 水深反演因子库构建 | 第61-65页 |
| 4.3.1 水深反演因子库构建方法 | 第62-63页 |
| 4.3.2 反演因子与水深相关性分析 | 第63-65页 |
| 4.4 基于传统模型的遥感水深预反演 | 第65-70页 |
| 4.4.1 水深反演精度验证指标 | 第65-66页 |
| 4.4.2 全水深建模与反演 | 第66-68页 |
| 4.4.3 30米以浅水深建模与反演 | 第68-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第5章 多级决策的ANN模型光学遥感水深反演 | 第72-88页 |
| 5.1 人工神经网络 | 第72-77页 |
| 5.1.1 人工神经网络模型 | 第73-75页 |
| 5.1.2 存在的问题 | 第75-77页 |
| 5.2 多级决策水深反演的ANN模型 | 第77-80页 |
| 5.2.1 多级决策水深反演的ANN模型 | 第77-78页 |
| 5.2.2 网络模型结构的确定 | 第78-80页 |
| 5.3 单网络模型水深反演 | 第80-83页 |
| 5.3.1 单网络模型水深反演 | 第80-81页 |
| 5.3.2 单网络模型水深反演结果分析 | 第81-83页 |
| 5.4 多网络模型水深反演 | 第83-85页 |
| 5.4.1 水深空间区域分割 | 第83-84页 |
| 5.4.2 多网络模型构建与水深反演 | 第84页 |
| 5.4.3 多网络模型水深反演结果分析 | 第84-85页 |
| 5.5 多级决策的光学遥感水深反演方法评价 | 第85-86页 |
| 5.6 本章小结 | 第86-88页 |
| 第6章 结论与展望 | 第88-92页 |
| 6.1 研究结论 | 第88-89页 |
| 6.2 主要创新 | 第89-90页 |
| 6.3 研究展望 | 第90-92页 |
| 参考文献 | 第92-98页 |
| 攻读硕士学位期间主要成果 | 第98-99页 |
| 致谢 | 第99-101页 |
