| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第8-15页 |
| 1.1 课题研究的背景和意义 | 第8-10页 |
| 1.1.1 课题研究背景 | 第8-9页 |
| 1.1.2 课题研究意义 | 第9-10页 |
| 1.2 传统的遥感影像信息提取方法 | 第10-11页 |
| 1.3 国内外面向对象的遥感信息提取技术的研究现状 | 第11-15页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-15页 |
| 第2章 土地覆盖分类系统与分类方法 | 第15-28页 |
| 2.1 土地覆盖分类系统的制定 | 第15-19页 |
| 2.1.1 国外土地覆盖分类系统 | 第15-17页 |
| 2.1.2 国内土地覆盖分类系统 | 第17-19页 |
| 2.2 土地覆盖信息的人工提取 | 第19-22页 |
| 2.2.1 土地覆盖信息目视解译标志的建立 | 第19-22页 |
| 2.2.2 土地覆盖信息的人工提取 | 第22页 |
| 2.3 土地覆盖信息的计算机智能提取 | 第22-26页 |
| 2.3.1 基于像元的计算机非监督分类 | 第22-23页 |
| 2.3.2 基于像元的计算机监督分类 | 第23页 |
| 2.3.3 面向对象的遥感信息提取 | 第23-26页 |
| 2.4 面向对象的土地覆盖研究方法和技术路线 | 第26-28页 |
| 第3章 研究区概况及数据的预处理 | 第28-35页 |
| 3.1 研究区概况 | 第28-29页 |
| 3.2 研究区数据来源 | 第29-30页 |
| 3.3 数据预处理 | 第30-35页 |
| 3.3.1 影像的辐射定标及大气校正 | 第30-31页 |
| 3.3.2 影像的几何校正 | 第31-32页 |
| 3.3.3 影像的辐射增强 | 第32-33页 |
| 3.3.4 影像的最优波段选择 | 第33-34页 |
| 3.3.5 其他辅助数据的准备 | 第34-35页 |
| 第4章 面向对象的土地覆盖信息提取 | 第35-63页 |
| 4.1 土地覆盖解译标志库的建立 | 第35-40页 |
| 4.1.1 采样线设计 | 第35-37页 |
| 4.1.2 样本的野外采集 | 第37-39页 |
| 4.1.3 样本的点的室内补充采集 | 第39-40页 |
| 4.2 面向对象的多尺度分割 | 第40-45页 |
| 4.2.1 影像对象的确定 | 第41-42页 |
| 4.2.2 分割尺度的选择 | 第42-44页 |
| 4.2.3 波段权重的设置 | 第44页 |
| 4.2.4 均质因子的设置 | 第44-45页 |
| 4.3 面向对象的监督分类 | 第45-55页 |
| 4.3.1 特征空间的定义 | 第47-49页 |
| 4.3.2 面向对象的Bayes分类 | 第49-50页 |
| 4.3.3 面向对象的KNN分类 | 第50-52页 |
| 4.3.4 面向对象的SVM分类 | 第52-53页 |
| 4.3.5 面向对象的Decision Tree分类 | 第53-55页 |
| 4.4 精度分析 | 第55-61页 |
| 4.4.1 Bayes分类结果精度评价 | 第57-58页 |
| 4.4.2 KNN分类结果精度评价 | 第58-59页 |
| 4.4.3 SVM分类结果精度评价 | 第59-60页 |
| 4.4.4 Decision Tree分类结果精度评价 | 第60-61页 |
| 4.5 分类后处理 | 第61-63页 |
| 4.5.1 云雾遮盖区的处理 | 第61-62页 |
| 4.5.2 湖泊、水库/坑塘、河流类型的处理 | 第62页 |
| 4.5.3 破碎细小对象的处理 | 第62-63页 |
| 第5章 结论与展望 | 第63-66页 |
| 5.1 结论 | 第63-64页 |
| 5.2 不足与展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录 试验区基于SVM分类结果专题图 | 第72-73页 |
| 攻读学位期间的研究成果 | 第73页 |
