| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1. 前言 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·遥感影像分类技术国内外研究进展 | 第11-15页 |
| ·本文采取的主要技术路线 | 第15-16页 |
| ·本文研究的主要内容 | 第16-17页 |
| ·论文的结构 | 第17-18页 |
| 2. 实验数据及介绍 | 第18-25页 |
| ·研究区概况 | 第18页 |
| ·实验数据介绍 | 第18-19页 |
| ·实验数据预处理 | 第19-25页 |
| ·遥感图像辐射校正 | 第19页 |
| ·遥感图像几何纠正 | 第19-20页 |
| ·波段选择 | 第20-25页 |
| 3. 研究区遥感影像分类研究 | 第25-48页 |
| ·研究区分类类型的确定及解译标志的确立 | 第25-26页 |
| ·基于原始波段的 BP 人工神经网络分类研究 | 第26-35页 |
| ·人工神经网络基本理论 | 第26-27页 |
| ·BP 神经网络概述 | 第27-30页 |
| ·BP 神经网络分类实验 | 第30-35页 |
| ·采用 K-L 变换的 BP 神经网络分类研究 | 第35-39页 |
| ·K-L 变换 | 第35-37页 |
| ·BP 神经网络分类实验 | 第37-39页 |
| ·基于小波变换的 BP 神经网络分类研究 | 第39-46页 |
| ·小波变换图像融合的理论 | 第39-43页 |
| ·基于小波变换的图像融合 | 第43-44页 |
| ·BP 神经网络分类实验 | 第44-46页 |
| ·传统遥感图像自动分类方法 | 第46-48页 |
| ·ISODATA 算法 | 第46页 |
| ·最大似然法 | 第46-48页 |
| 4. 精度分析与评价 | 第48-59页 |
| ·目视解译 | 第50-52页 |
| ·传统分类方法精度验证 | 第52-54页 |
| ·ISODATA 算法精度验证 | 第52-53页 |
| ·最大似然法分类精度验证 | 第53-54页 |
| ·BP 神经网络分类精度验证 | 第54-57页 |
| ·基于原始数据的 BP 神经网络分类精度验证 | 第54-55页 |
| ·基于 K-L 变换的 BP 神经网络分类精度验证 | 第55-56页 |
| ·基于小波变换图像融合的 BP 神经网络分类精度验证 | 第56-57页 |
| ·精度对比分析 | 第57-59页 |
| 5. 结论与展望 | 第59-61页 |
| ·主要结论 | 第59-60页 |
| ·研究展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |