| 致谢 | 第1-8页 |
| 摘要 | 第8-11页 |
| ABSTRACT | 第11-18页 |
| 图目录 | 第18-23页 |
| 表目录 | 第23-25页 |
| 第一章 绪论 | 第25-37页 |
| ·选题背景及意义 | 第25-27页 |
| ·国内外研究现状 | 第27-34页 |
| ·遥感影像的分类方法 | 第27-30页 |
| ·面向对象的分类方法 | 第30-32页 |
| ·空间信息在面向对象分类方法中的应用 | 第32-34页 |
| ·研究思路与技术路线 | 第34-37页 |
| ·研究思路与研究内容 | 第34-36页 |
| ·技术路线 | 第36-37页 |
| 第二章 研究区概况与数据资料 | 第37-43页 |
| ·研究区概况 | 第37-38页 |
| ·自然环境概况 | 第38页 |
| ·有关香榧的社会经济概况 | 第38页 |
| ·数据介绍 | 第38-39页 |
| ·试验数据 | 第38-39页 |
| ·验证数据 | 第39页 |
| ·数据预处理 | 第39-43页 |
| ·多光谱波段与全色波段的融合 | 第40-41页 |
| ·几何校正 | 第41页 |
| ·RGB系统到IHS系统的色彩空间变换 | 第41-43页 |
| 第三章 植被的影像特征分析 | 第43-73页 |
| ·研究区植被的类型与光谱特性 | 第43-45页 |
| ·研究区植被的类型 | 第43-44页 |
| ·植被的光谱特征 | 第44-45页 |
| ·光谱响应特征 | 第45-46页 |
| ·研究区植被的光谱响应特征 | 第46-50页 |
| ·植被的纹理特征 | 第50-73页 |
| ·纹理信息的表达 | 第50-51页 |
| ·区域型空间自相关系数(LISA)方法 | 第51-55页 |
| ·研究区植被LISA纹理的试验与分析 | 第55-61页 |
| ·基于NDVI的空隙(Lacunarity)纹理 | 第61-66页 |
| ·研究区基于NDVI的植被空隙度纹理试验与分析 | 第66-71页 |
| ·本章小结 | 第71-73页 |
| 第四章 构建面向对象多尺度层次等级体系获取景观特征 | 第73-99页 |
| ·景观格局指数 | 第74-76页 |
| ·景观格局指数在面向对象分类方法中的应用 | 第76-87页 |
| ·面向对象的分类方法 | 第77-86页 |
| ·面向对象分类方法与景观分析的结合点 | 第86-87页 |
| ·面向对象分类方法生成景观特征 | 第87-91页 |
| ·景观水平指数尺度转换思路 | 第87页 |
| ·"有效网孔面积(M_(eff))"的算法 | 第87-88页 |
| ·"边界问题" | 第88-89页 |
| ·"有效网孔面积比率(M_(eff)~(ratio))"算法提出的思路 | 第89-90页 |
| ·通过尺度转换的常用景观水平指数 | 第90-91页 |
| ·面向对象分类方法生成景观特征的试验与分析 | 第91-97页 |
| ·在两个尺度层上生成矢量图层 | 第91-93页 |
| ·计算M_(eff)~(ratio) | 第93-94页 |
| ·计算其他景观特征 | 第94-95页 |
| ·最优景观特征的选择 | 第95页 |
| ·通过面向对象尺度转换生成景观特征的实践分析与讨论 | 第95-97页 |
| ·本章小结 | 第97-99页 |
| 第五章 构建面向对象多尺度层次等级体系识别香榧树 | 第99-131页 |
| ·最近邻法提取香榧树 | 第99-118页 |
| ·最近邻法多层次对象等级体系的创建 | 第99-102页 |
| ·光谱信息结合LISA纹理和景观特征M_(eff)~(ratio)的分类 | 第102-110页 |
| ·不同特征组合的分类 | 第110页 |
| ·分类精度评价 | 第110-118页 |
| ·决策树方法提取香榧树 | 第118-128页 |
| ·C5.0决策树算法 | 第118-119页 |
| ·决策树方法层次等级体系的创建 | 第119-122页 |
| ·结合lacunarity纹理特征的决策树分类 | 第122-126页 |
| ·不使用lacunarity纹理的决策树分类 | 第126页 |
| ·精度评价 | 第126-128页 |
| ·本章小结 | 第128-131页 |
| 第六章 结论、创新点和讨论 | 第131-135页 |
| ·结论 | 第131-133页 |
| ·创新点 | 第133-134页 |
| ·展望 | 第134-135页 |
| 参考文献 | 第135-145页 |
| 攻读博士期间完成的论文 | 第145页 |
