摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景及选题意义 | 第10-11页 |
1.2 研究现状 | 第11-16页 |
1.2.1 云检测研究现状 | 第11-14页 |
1.2.2 云去除研究现状 | 第14-16页 |
1.3 本文研究内容及基本结构 | 第16-18页 |
第二章 云检测的相关信息 | 第18-25页 |
2.1 Landsat卫星简介 | 第18-19页 |
2.2 Landsat-7产品 | 第19页 |
2.3 数据定标 | 第19-20页 |
2.4 云的物理特性 | 第20-21页 |
2.5 云检测原理 | 第21-23页 |
2.5.1 电磁波辐射原理 | 第21页 |
2.5.2 云的光谱特性 | 第21页 |
2.5.3 土壤的光谱特性 | 第21-22页 |
2.5.4 植被的光谱特性 | 第22页 |
2.5.5 雪的光谱特性 | 第22页 |
2.5.6 水的光谱特性 | 第22-23页 |
2.6 纹理特征和空间特性 | 第23-24页 |
2.6.1 灰度共生矩阵 | 第23页 |
2.6.2 分形维数 | 第23-24页 |
2.7 本章小结 | 第24-25页 |
第三章 ACCA与OTSU检测方法 | 第25-29页 |
3.1 ACCA云检测算法 | 第25-26页 |
3.2 改进的ACCA算法 | 第26-27页 |
3.3 OTSU云检测方法 | 第27-28页 |
3.4 本章小结 | 第28-29页 |
第四章 基于ACCA与人工神经网络结合的云检测方法研究 | 第29-55页 |
4.1 人工神经网络的起源和发展 | 第29-31页 |
4.1.1 生物神经网络 | 第29-30页 |
4.1.2 人工神经网络的发展史 | 第30-31页 |
4.1.3 人工神经网络的研究热点 | 第31页 |
4.2 人工神经网络简介 | 第31-34页 |
4.2.1 人工神经网络的种类 | 第32-33页 |
4.2.2 人工神经网络的激活函数 | 第33-34页 |
4.3 BP神经网络 | 第34-39页 |
4.3.1 基本模型 | 第34-35页 |
4.3.2 训练过程 | 第35-36页 |
4.3.3 隐层数和隐层节点数 | 第36页 |
4.3.4 初始权值 | 第36-37页 |
4.3.5 样本选取 | 第37页 |
4.3.6 基本BP算法的缺陷及改进方法 | 第37-39页 |
4.4 径向基函数神经网络 | 第39-43页 |
4.4.1 径向基函数 | 第40-41页 |
4.4.2 径向基函数神经网络学习算法 | 第41-43页 |
4.5 概率神经网络 | 第43-46页 |
4.5.1 网络结构 | 第43-44页 |
4.5.2 基本理论基础 | 第44-46页 |
4.6 ACCA与人工神经网络相结合的云检测方法 | 第46-49页 |
4.6.1 特征向量选择 | 第46页 |
4.6.2 算法流程 | 第46-47页 |
4.6.3 BP神经网络的参数设置 | 第47-48页 |
4.6.4 径向基网络隐层节点数的讨论 | 第48-49页 |
4.6.5 概率神经网络的设置 | 第49页 |
4.7 实验结果及分析 | 第49-53页 |
4.8 本章小结 | 第53-55页 |
第五章 薄云去除研究 | 第55-66页 |
5.1 傅里叶变换 | 第55页 |
5.2 小波变换 | 第55-59页 |
5.2.1 小波变换原理 | 第56-57页 |
5.2.2 多分辨率分析 | 第57-58页 |
5.2.3 mallat算法 | 第58-59页 |
5.2.4 二维mallat算法 | 第59页 |
5.3 提升小波变换 | 第59-60页 |
5.4 小波变换去云原理 | 第60-61页 |
5.5 实验结果及分析 | 第61-64页 |
5.5.1 实验结果 | 第61-63页 |
5.5.2 客观评价指标 | 第63页 |
5.5.3 对比评价 | 第63-64页 |
5.6 本章小结 | 第64-66页 |
第六章 全文总结 | 第66-68页 |
6.1 全文工作总结 | 第66页 |
6.2 研究的不足以及展望 | 第66-68页 |
致谢 | 第68-69页 |
参考文献 | 第69-72页 |
附录A (攻读学位期间发表论文目录) | 第72页 |
附录B (攻读硕士学位期间参与科研项目) | 第72页 |