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 |