摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第15-26页 |
1.1 研究背景及意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-21页 |
1.2.1 遥感变化检测方法 | 第16-19页 |
1.2.2 遥感变化检测指数 | 第19-20页 |
1.2.3 存在问题 | 第20-21页 |
1.2.4 发展趋势 | 第21页 |
1.3 研究目的和研究内容 | 第21-22页 |
1.3.1 研究目的 | 第21-22页 |
1.3.2 研究内容 | 第22页 |
1.4 技术路线 | 第22-24页 |
1.5 论文组织与结构 | 第24页 |
1.6 经费来源 | 第24-25页 |
1.7 小结 | 第25-26页 |
第二章 研究区与数据 | 第26-33页 |
2.1 研究区概况 | 第26-29页 |
2.1.1 地理位置 | 第26-27页 |
2.1.2 地势状况 | 第27-28页 |
2.1.3 气候状况 | 第28页 |
2.1.4 森林资源 | 第28-29页 |
2.2 数据获取 | 第29-32页 |
2.2.1 遥感数据 | 第29-31页 |
2.2.2 高程数据 | 第31页 |
2.2.3 地面调查数据 | 第31-32页 |
2.2.4 Google earth数据 | 第32页 |
2.2.5 矢量数据 | 第32页 |
2.3 本章小结 | 第32-33页 |
第三章 数据处理 | 第33-52页 |
3.1 辐射定标 | 第33-37页 |
3.2 大气校正 | 第37-40页 |
3.3.1 大气校正方法 | 第38-39页 |
3.3.2 基于FLAASH的GF-1 WFV影像大气校正 | 第39页 |
3.3.3 基于FLAASH的GF-1 WFV影像大气校正结果分析 | 第39-40页 |
3.3 正射校正 | 第40-41页 |
3.4 影像配准 | 第41页 |
3.5 云/云阴影处理 | 第41-45页 |
3.5.1 云处理 | 第41-44页 |
3.5.2 云阴影处理 | 第44-45页 |
3.6 辐射归一化 | 第45-51页 |
3.6.1 MAD算法 | 第45-47页 |
3.6.2 迭代加权多元变化检测算法(IR-MAD) | 第47-48页 |
3.6.3 线性回归分析 | 第48-51页 |
3.7 本章小结 | 第51-52页 |
第四章 基于KPCA的森林覆盖变化检测方法 | 第52-65页 |
4.1 核函数方法 | 第53-55页 |
4.1.1 核函数方法简介 | 第53-54页 |
4.1.2 核函数方法基本思想 | 第54-55页 |
4.2 KPCA法 | 第55-60页 |
4.2.1 KPCA理论概述 | 第55页 |
4.2.2 KPCA处理过程 | 第55-58页 |
4.2.3 KPCA处理结果 | 第58-60页 |
4.3 变化检测阈值确定方法 | 第60-64页 |
4.4 森林覆盖变化检测 | 第64页 |
4.5 本章小结 | 第64-65页 |
第五章 基于IFZ统计特征的森林覆盖变化检测方法 | 第65-74页 |
5.1 森林训练样本选取 | 第66-70页 |
5.1.1 暗目标掩膜 | 第67-69页 |
5.1.2 森林训练样本提取窗口设置 | 第69页 |
5.1.3 森林峰值的确定 | 第69-70页 |
5.2 综合森林指数构建 | 第70-71页 |
5.3 森林变化检测识别 | 第71-73页 |
5.3.1 森林变化检测条件 | 第71页 |
5.3.2 基于时间序列VCT变化检测流程 | 第71-73页 |
5.4 本章小结 | 第73-74页 |
第六章 结果及分析 | 第74-88页 |
6.1 基于KPCA的森林覆盖变化检测结果 | 第74-76页 |
6.2 基于IFZ统计特性的森林覆盖变化法 | 第76-79页 |
6.2.1 森林训练样本提取窗口设置 | 第76-77页 |
6.2.2 基于IFZ统计特性的时间序列森林变化检测结果 | 第77-79页 |
6.3 变化检测结果精度验证 | 第79-88页 |
第七章 结论与展望 | 第88-91页 |
7.1 结论 | 第88-89页 |
7.2 存在的问题与展望 | 第89-91页 |
参考文献 | 第91-97页 |
在读期间的学术研究 | 第97-98页 |
致谢 | 第98页 |