遥感图像智能分类新算法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·论文研究的背景和意义 | 第8页 |
| ·遥感图像智能分类的研究现状 | 第8-9页 |
| ·论文的主要工作及创新点 | 第9-11页 |
| 第二章 TM图像分类理论及其评价 | 第11-23页 |
| ·遥感图像分类理论依据 | 第11页 |
| ·TM遥感图像分类过程 | 第11-20页 |
| ·图像预处理 | 第12-14页 |
| ·波段选择 | 第13页 |
| ·去噪 | 第13-14页 |
| ·去条带处理 | 第14页 |
| ·主成分分析 | 第14页 |
| ·常用的遥感图像分类方法 | 第14-16页 |
| ·结合纹理特征的图像分类 | 第16-20页 |
| ·遥感图像纹理概述 | 第16-17页 |
| ·纹理特征描述方法比较 | 第17页 |
| ·灰度共生矩阵 | 第17-20页 |
| ·图像分类效果的评价 | 第20-23页 |
| ·主观评价 | 第21页 |
| ·客观评价 | 第21-23页 |
| 第三章 基于不同核函数的支持向量机 | 第23-31页 |
| ·支持向量机 | 第23-27页 |
| ·支持向量机理论简介 | 第23-26页 |
| ·支持向量机与神经网络的比较分析 | 第26-27页 |
| ·常用核函数及其分类 | 第27-28页 |
| ·支持向量机参数的选择 | 第28-29页 |
| ·多类支持向量机分类器 | 第29-31页 |
| 第四章 遥感图像智能分类新算法研究 | 第31-45页 |
| ·K型支持向量机 | 第31页 |
| ·基于K型支持向量机的遥感图像分类新算法 | 第31-33页 |
| ·新算法的基本思想 | 第31页 |
| ·新算法的特点 | 第31-32页 |
| ·新算法的描述 | 第32-33页 |
| ·仿真实验(一) | 第33-41页 |
| ·数据准备 | 第33-36页 |
| ·实验及结果分析 | 第36-41页 |
| ·仿真实验(二) | 第41-45页 |
| 第五章 基于核模糊C均值的样本标注方法 | 第45-50页 |
| ·样本的主动标注方法 | 第45页 |
| ·基于核模糊C均值的样本标注 | 第45-48页 |
| ·核模糊C均值的原理介绍 | 第46-47页 |
| ·模糊C均值简介 | 第46-47页 |
| ·核模糊C均值简介 | 第47页 |
| ·基于核模糊C均值的自动标注算法 | 第47-48页 |
| ·仿真实验 | 第48-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 个人简历 | 第55-56页 |
| 在学期间的研究成果及发表的学术论文 | 第56页 |
