| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9页 |
| 1.2 国内外定量化反演及精细分类的研究现状 | 第9-13页 |
| 1.2.1 基于高光谱数据的光谱特征提取/选择研究现状 | 第10-11页 |
| 1.2.2 植被定量化反演现状 | 第11-12页 |
| 1.2.3 国内外分类方法现状 | 第12-13页 |
| 1.2.4 国内外文献综述的简析 | 第13页 |
| 1.3 本文的主要研究内容及结构安排 | 第13-16页 |
| 第2章 基于高光谱数据的植被光谱特征分析及提取 | 第16-30页 |
| 2.1 引言 | 第16-17页 |
| 2.2 基于高光谱图象的植物分析原理 | 第17-25页 |
| 2.2.1 植被光谱特性分析 | 第17-19页 |
| 2.2.2 特征选择方法SFFS | 第19-21页 |
| 2.2.3 基于高光谱数据植物光谱诊断性特征提取 | 第21-25页 |
| 2.3 植被光谱特征提取在目标识别中的应用 | 第25-29页 |
| 2.3.1 目标识别算法概述 | 第26-28页 |
| 2.3.2 仿真实验及结果分析 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于高光谱图象的植被水含量反演研究 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 反演植被水含量的光谱指数介绍 | 第30-32页 |
| 3.2.1 植被冠层水含量估测常用指数 | 第31页 |
| 3.2.2 光谱指数的构建 | 第31-32页 |
| 3.3 基于光谱指数的植被含水量反演 | 第32-42页 |
| 3.3.1 植被光谱数据库介绍 | 第32-33页 |
| 3.3.2 实验结果评价准则 | 第33-34页 |
| 3.3.3 新建光谱指数与水含量相关性分析 | 第34-36页 |
| 3.3.4 光谱指数反演模型比较分析 | 第36-42页 |
| 3.4 基于高光谱数据的植被水含量制图 | 第42-45页 |
| 3.4.1 高光谱数据介绍及预处理 | 第43-44页 |
| 3.4.2 植被水含量空间制图结果 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于高光谱图象的植被盖度反演研究 | 第46-61页 |
| 4.1 引言 | 第46页 |
| 4.2 植被叶面积指数估测常用指数 | 第46-54页 |
| 4.2.1 敏感性分析模型e-FAST | 第47-52页 |
| 4.2.2 常用的光谱指数 | 第52-53页 |
| 4.2.3 光谱指数叶面积指数反演能力分析 | 第53-54页 |
| 4.3 基于PROSAIL模型的高光谱图象植被盖度制图 | 第54-60页 |
| 4.3.1 基于PROSAIL数据库的构建 | 第55-58页 |
| 4.3.2 植被叶面积指数反演模型构建 | 第58-59页 |
| 4.3.3 高光谱图象植被盖度反演及制图 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 基于高光谱图象的植被精细分类研究 | 第61-76页 |
| 5.1 引言 | 第61页 |
| 5.2 分类器SVM原理 | 第61-64页 |
| 5.3 图核分类技术原理 | 第64-67页 |
| 5.4 图核分类与支持向量机的比较实验 | 第67-70页 |
| 5.5 结合空间信息的植被图核分类 | 第70-75页 |
| 5.5.1 空谱组合核技术 | 第70-72页 |
| 5.5.2 实验结果 | 第72-75页 |
| 5.6 本章小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第82-84页 |
| 致谢 | 第84页 |