高分辨率光学与极化SAR影像城市地物协同分类
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题背景与研究意义 | 第9-11页 |
| ·选题背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·研究现状与存在的问题 | 第11-13页 |
| ·国内外研究现状 | 第11-13页 |
| ·研究难点及存在的问题 | 第13页 |
| ·论文研究内容和章节安排 | 第13-15页 |
| 第二章 数据准备与分类体系构建 | 第15-28页 |
| ·数据准备 | 第15-26页 |
| ·高分辨率光学影像 | 第15-16页 |
| ·极化SAR影像 | 第16-22页 |
| ·实验数据及研究区域概况 | 第22-26页 |
| ·分类体系设计 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 光学与全极化SAR影像协同分类 | 第28-51页 |
| ·技术方法 | 第28-42页 |
| ·极化SAR影像预处理 | 第28-31页 |
| ·光学影像的面向对象分割 | 第31页 |
| ·特征提取与分析 | 第31-41页 |
| ·模糊隶属度函数分类 | 第41-42页 |
| ·实验与分析 | 第42-50页 |
| ·面向对象的模糊分类实验一 | 第42-45页 |
| ·面向对象的模糊分类实验二 | 第45-46页 |
| ·分类结果及精度评价 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 光学与单极化SAR影像协同分类 | 第51-71页 |
| ·技术方法 | 第51-56页 |
| ·形态分割和面向对象的特征提取 | 第51-53页 |
| ·支持向量机分类法 | 第53-55页 |
| ·分层分类策略 | 第55-56页 |
| ·实验区域样本获取 | 第56-57页 |
| ·主被动数据典型地物特征分析 | 第57-60页 |
| ·基于形态学分割的SVM分类实验 | 第60-64页 |
| ·实验过程 | 第60-61页 |
| ·分类结果及精度评价 | 第61-64页 |
| ·基于形态学分割和分层分类的SVM分类实验 | 第64-70页 |
| ·实验过程 | 第64-67页 |
| ·分类结果及精度评价 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 结论与展望 | 第71-74页 |
| ·主要工作内容和结论 | 第71-73页 |
| ·基于实验数据的研究成果 | 第71页 |
| ·基于技术方法的研究成果 | 第71-73页 |
| ·不足和展望 | 第73-74页 |
| ·不足 | 第73页 |
| ·展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 在学期间发表的论文和取得的学术成果 | 第79页 |
