首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文

多源遥感信息融合方法及其应用研究

第1章 绪论第1-30页
   ·数据融合的一般原理和方法第15-19页
     ·数据融合研究发展概况第15-16页
     ·数据融合基本原理和方法第16-17页
     ·数据融合的层次结构及功能第17-19页
   ·国内外多源遥感信息融合方法研究进展第19-25页
     ·多源遥感影像融合第19-23页
     ·多源遥感数据的分类融合方法第23-25页
   ·论文的研究背景第25-27页
   ·研究工作及其论文内容安排第27-30页
第2章 多源遥感数据的预处理第30-39页
   ·信息源的选择与输入第30-32页
   ·遥感图像预处理第32-35页
     ·TM图像的精纠正第33-34页
     ·SPOT图像的精纠正第34-35页
     ·CBERS-1 CCD图像精纠正第35页
   ·多个信息源间的配准第35-36页
   ·多源遥感信息的特征提取第36-37页
     ·遥感图像判读特征第36-37页
     ·提取特征第37页
   ·数据规格化及分类标志的建立第37-38页
   ·本章小结第38-39页
第3章 模糊自组织神经网络多源数据融合第39-70页
   ·模糊神经网络技术在数据融合技术中的研究第39-41页
     ·模糊集理论和数据融合技术第39-40页
     ·人工神经网络理论与数据融合技术第40页
     ·模糊神经网络在数据融合中的应用第40-41页
   ·基本Kohonen神经网络(KNN)模型第41-43页
   ·基本KNN多源数据融合原理第43-52页
     ·基本KNN算法第43-48页
     ·改进的KNN算法第48-49页
     ·基于KNN数据融合规则第49-50页
     ·应用举例及结果分析第50-52页
   ·模糊Kohonen神经网络(FKNN)数据融合第52-63页
     ·基本FKNN模型第52-54页
     ·几种基于FKNN的算法第54-58页
     ·FKNN多源数据融合规则第58-59页
     ·应用举例及结果分析第59-63页
   ·多源遥感信息融合中的应用第63-69页
     ·人工神经网络在多源遥感信息融合中的研究进展第63-64页
     ·实验结果与分析第64-69页
   ·本章小结第69-70页
第4章 基于模糊证据理论的多源信息融合第70-91页
   ·引言第70-71页
   ·证据理论简介第71-76页
     ·证据理论的基本概念第72-74页
     ·证据理论合成法则第74-75页
     ·面向数据融合的DS方法研究现状第75-76页
   ·基于DS方法的多源信息融合分类模型第76-77页
   ·基于证据理论的多源信息融合非监督分类第77-81页
     ·鉴别框架的确定第78-79页
     ·模拟训练集合的信任程度第79页
     ·原始基本概率分配函数的获取第79-80页
     ·衰减因子第80-81页
     ·多源信息融合与分类第81页
   ·模糊证据理论信息融合方法第81-85页
     ·面向数据融合分类的模糊证据理论方法第82-83页
     ·基本概率分配函数的确定第83-84页
     ·分类融合与决策规则第84-85页
   ·多源遥感信息融合分类应用第85-89页
     ·基本证据理论多源遥感信息融合分类应用第85-88页
     ·基于模糊证据理论多源遥感信息融合分类应用第88-89页
   ·本章小结第89-91页
第5章 基于证据理论的模糊神经网络多源信息融合第91-104页
   ·问题的提出第91-92页
   ·新的数据融合方法结构第92-98页
     ·新的模糊Kohonen网络结构第93-94页
     ·自适应融合分类方法第94-98页
   ·多源遥感信息融合分类中的应用第98-102页
     ·新的多源遥感融合分类模型第98页
     ·多源遥感信息融合分类应用第98-100页
     ·实验结果与分析第100-102页
   ·本章小结第102-104页
结束语第104-106页
参考文献第106-116页
致谢第116-117页
附录A第117-119页
附录B第119页

论文共119页,点击 下载论文
上一篇:网络传播的现状,发展趋势及对策
下一篇:辽宁省水地理信息与决策支持系统