| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景与意义 | 第8-9页 |
| 1.2 国内外的研究现状及发展趋势 | 第9-12页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.2.3 发展趋势 | 第11-12页 |
| 1.3 论文的组织结构及内容 | 第12-14页 |
| 第2章 遥感图像分类方法研究 | 第14-29页 |
| 2.1 分类概论 | 第14-16页 |
| 2.1.1 分类的基本理论 | 第14-15页 |
| 2.1.2 分类的一般过程 | 第15-16页 |
| 2.2 非监督分类方法 | 第16-22页 |
| 2.2.1 K-means分类方法 | 第18-19页 |
| 2.2.2 ISODATA分类方法 | 第19-22页 |
| 2.3 监督分类方法 | 第22-24页 |
| 2.3.1 最大似然分类法 | 第22页 |
| 2.3.2 最小距离分类法 | 第22-24页 |
| 2.4 较新的分类方法 | 第24-25页 |
| 2.4.1 神经网络分类法 | 第24页 |
| 2.4.2 模糊分类法 | 第24-25页 |
| 2.4.3 亚像元分类法 | 第25页 |
| 2.5 分类前与分类后处理 | 第25-28页 |
| 2.5.1 分类前处理 | 第25-28页 |
| 2.5.2 分类后处理 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于Contourlet的遥感图像处理方法研究 | 第29-48页 |
| 3.1 引言 | 第29页 |
| 3.2 Contourlet变换 | 第29-35页 |
| 3.2.1 LP变换 | 第31页 |
| 3.2.2 方向滤波 | 第31-32页 |
| 3.2.3 方向滤波器组 | 第32-35页 |
| 3.3 Contourlet变换的应用 | 第35-36页 |
| 3.4 基于Contourlet的图像去噪研究 | 第36-44页 |
| 3.5 基于Contourlet的图像增强研究 | 第44-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 基于BP神经网络的遥感图像分类 | 第48-62页 |
| 4.1 研究区域简介及基本分类信息 | 第48-51页 |
| 4.2 基于原始数据的BP人工神经网络分类 | 第51-56页 |
| 4.2.1 人工神经网络基础理论 | 第51-52页 |
| 4.2.2 BP神经网络的概述 | 第52-54页 |
| 4.2.3 原始数据的BP神经网络分类实验 | 第54-56页 |
| 4.3 基于小波变换的BP人工神经网络分类 | 第56-59页 |
| 4.3.1 小波变换基础理论 | 第56-58页 |
| 4.3.2 基于小波的BP神经网络分类实验 | 第58-59页 |
| 4.4 基于Contourlet变换的BP人工神经网络分类 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 精度分析与评价 | 第62-71页 |
| 5.1 分类精度及评价标准 | 第62-63页 |
| 5.2 传统分类方法精度验证 | 第63-65页 |
| 5.2.1 ISODATA算法精度验证 | 第63-64页 |
| 5.2.2 最大似然法分类精度验证 | 第64-65页 |
| 5.3 BP神经网络分类精度验证 | 第65-68页 |
| 5.3.1 基于原始数据的BP神经网络分类精度验证 | 第65-66页 |
| 5.3.2 基于小波变换的BP神经网络遥感图像分类精度验证 | 第66-67页 |
| 5.3.3 基于 Contourlet的BP神经网络遥感图像分类精度验证 | 第67-68页 |
| 5.4 精度对比分析 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 致谢 | 第80-81页 |
