基于Worldview2影像的无锡新区地物信息提取
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 选题背景与研究意义 | 第16-17页 |
| 1.2 国内外研究进展 | 第17-22页 |
| 1.2.1 遥感影像分割进展 | 第17-19页 |
| 1.2.2 特征选择的研究 | 第19-21页 |
| 1.2.3 分类方法的研究 | 第21-22页 |
| 1.3 研究内容与技术路线 | 第22-24页 |
| 1.3.1 研究内容 | 第22-23页 |
| 1.3.2 技术路线 | 第23-24页 |
| 1.4 论文结构 | 第24-26页 |
| 第二章 研究区概况与影像数据预处理 | 第26-31页 |
| 2.1 研究区概况 | 第26-27页 |
| 2.2 影像数据介绍 | 第27-29页 |
| 2.3 遥感影像预处理 | 第29-31页 |
| 2.3.1 辐射校正 | 第29-30页 |
| 2.3.2 几何精校正 | 第30页 |
| 2.3.3 影像融合 | 第30-31页 |
| 第三章 遥感影像的分割 | 第31-42页 |
| 3.1 影像多尺度分割技术 | 第31-32页 |
| 3.2 最优分割参数确定 | 第32-42页 |
| 3.2.1 最优尺度及其计算模型 | 第33-34页 |
| 3.2.2 最优尺度计算结果与分析 | 第34-42页 |
| 第四章 随机森林及特征选择 | 第42-65页 |
| 4.1 地物光谱特征分析 | 第42-47页 |
| 4.2 地物特征提取 | 第47-53页 |
| 4.2.1 光谱特征提取 | 第47-50页 |
| 4.2.2 形状特征提取 | 第50-51页 |
| 4.2.3 纹理特征提取 | 第51-53页 |
| 4.3 基于随机森林的特征选择 | 第53-65页 |
| 4.3.1 随机森林基本原理 | 第54-55页 |
| 4.3.2 基于随机森林的特征选择 | 第55-60页 |
| 4.3.3 特征选择结果与分析 | 第60-65页 |
| 第五章 遥感影像的分类 | 第65-76页 |
| 5.1 面向对象的KNN方法及精度评价 | 第65-68页 |
| 5.1.1 面向对象KNN分类方法 | 第65页 |
| 5.1.2 面向对象KNN分类过程 | 第65页 |
| 5.1.3 面向对象KNN分类结果与分析 | 第65-68页 |
| 5.2 面向对象的SVM分类 | 第68-70页 |
| 5.2.1 面向对象SVM分类方法 | 第68页 |
| 5.2.2 面向对象SVM分类过程 | 第68页 |
| 5.2.3 面向对象SVM分类结果与分析 | 第68-70页 |
| 5.3 面向对象的随机森林分类 | 第70-73页 |
| 5.3.1 面向对象RF分类方法 | 第70-71页 |
| 5.3.2 面向对象RF分类过程 | 第71页 |
| 5.3.3 面向对象RF分类结果与分析 | 第71-73页 |
| 5.4 不同分类器分类结果与精度比较分析 | 第73-76页 |
| 第六章 研究结论与展望 | 第76-78页 |
| 6.1 研究结论 | 第76-77页 |
| 6.2 研究展望 | 第77-78页 |
| 参考文献 | 第78-87页 |
| 学术履历 | 第87-88页 |
| 致谢 | 第88-91页 |
