基于对象信息的遥感影像分类研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-19页 |
| ·研究意义 | 第9-11页 |
| ·研究背景 | 第11-16页 |
| ·高分辨率遥感发展现状 | 第11-12页 |
| ·国内外研究现状与发展趋势 | 第12-14页 |
| ·遥感影像分类的主要问题 | 第14-16页 |
| ·研究内容和文章组织结构 | 第16-19页 |
| ·研究内容 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第二章 面向对象遥感影像分类 | 第19-37页 |
| ·面向对象的优越性 | 第19-20页 |
| ·面向对象影像分析中的基本概念与方法 | 第20-31页 |
| ·分割 | 第20-22页 |
| ·尺度 | 第22-23页 |
| ·多尺度影像分割技术 | 第23-26页 |
| ·影像图层权重的选取 | 第23页 |
| ·均质性标准的选取 | 第23-24页 |
| ·分割尺度的选取 | 第24-26页 |
| ·构建多尺度影像分割等级网络 | 第26-27页 |
| ·模糊分类 | 第27-31页 |
| ·模糊数学基础 | 第27页 |
| ·模糊集和隶属函数 | 第27-28页 |
| ·常用的模糊隶属函数 | 第28-30页 |
| ·模糊分类原理 | 第30-31页 |
| ·分类精度评价 | 第31-33页 |
| ·精度评价方法概述 | 第31-32页 |
| ·混淆矩阵与Kappa 系数 | 第32-33页 |
| ·精度评价 | 第33页 |
| ·面向对象遥感图像分类步骤 | 第33-36页 |
| 本章小结 | 第36-37页 |
| 第三章 融合光谱和空间信息的图像分割合并算法 | 第37-56页 |
| ·面向对象存在的问题 | 第37-38页 |
| ·融合光谱和空间信息的图像分割合并算法 | 第38-43页 |
| ·基于区域的分割方法 | 第38页 |
| ·eCognition 区域生长准则 | 第38-40页 |
| ·本文融合光谱信息和空间信息的合并准则 | 第40-42页 |
| ·本文停止合并准则 | 第42-43页 |
| ·本文算法流程 | 第43-50页 |
| ·分割效果比较实验 | 第50-55页 |
| ·eCognition 分割效果 | 第50-52页 |
| ·本文算法实验 | 第52-55页 |
| 本章小结 | 第55-56页 |
| 第四章 基于对象信息的特征提取 | 第56-74页 |
| ·对象的特征信息 | 第56-63页 |
| ·类相关特征 | 第57页 |
| ·对象特征 | 第57-62页 |
| ·图层值特征 | 第58-59页 |
| ·形状特征 | 第59-60页 |
| ·纹理特征 | 第60-62页 |
| ·层次特征 | 第62页 |
| ·专题属性 | 第62页 |
| ·多特征的维数问题 | 第62-63页 |
| ·图像空间关系与语义关系 | 第63-65页 |
| ·空间结构和空间关系 | 第63-64页 |
| ·图像语义关系 | 第64-65页 |
| ·利用本文提取的对象信息区分“同谱异物”实验 | 第65-73页 |
| ·“同谱异物”现象 | 第66-67页 |
| ·提取对象信息 | 第67-71页 |
| ·基于对象形状特性来区分 | 第71-73页 |
| 本章小结 | 第73-74页 |
| 第五章 运用对象的信息对遥感影像进行分类实验 | 第74-95页 |
| ·研究数据描述 | 第74-76页 |
| ·研究区概况 | 第74-75页 |
| ·影像数据源介绍 | 第75页 |
| ·研究数据源 | 第75-76页 |
| ·图像分割 | 第76-79页 |
| ·对象尺度的确定 | 第76-78页 |
| ·图像分割 | 第78-79页 |
| ·提取对象信息 | 第79-86页 |
| ·根据对象信息建立规则 | 第86-88页 |
| ·结果与精度评价 | 第88-94页 |
| ·实验结果 | 第88-89页 |
| ·精度评价 | 第89-91页 |
| ·与传统分类相比较 | 第91-94页 |
| 本章小结 | 第94-95页 |
| 第六章 结论与展望 | 第95-98页 |
| ·工作总结与创新点 | 第95-96页 |
| ·存在问题与研究展望 | 第96-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-103页 |
| 图索引 | 第103-105页 |
| 表索引 | 第105-106页 |
| 在学期间研究成果 | 第106-107页 |
