| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景 | 第10页 |
| 1.3 研究目的及意义 | 第10-12页 |
| 1.4 国内外研究进展 | 第12-16页 |
| 1.4.1 基于多源遥感影像的地物识别研究 | 第12-13页 |
| 1.4.2 纹理特征在遥感影像地物识别中的应用研究 | 第13-14页 |
| 1.4.3 遥感影像森林资源识别方法研究 | 第14-16页 |
| 1.5 研究内容与技术路线 | 第16-18页 |
| 1.5.1 研究内容 | 第16页 |
| 1.5.2 技术路线 | 第16-18页 |
| 2 研究区概况与数据获取 | 第18-26页 |
| 2.1 研究区概况 | 第18-19页 |
| 2.1.1 地理位置 | 第18页 |
| 2.1.2 地貌、气候与水文 | 第18页 |
| 2.1.3 森林植被类型 | 第18-19页 |
| 2.2 数据获取 | 第19-22页 |
| 2.2.1 遥感影像数据的获取 | 第19-21页 |
| 2.2.2 辅助数据 | 第21页 |
| 2.2.3 外业调查数据 | 第21-22页 |
| 2.3 遥感影像预处理 | 第22-26页 |
| 2.3.1 辐射校正 | 第23-24页 |
| 2.3.2 几何校正 | 第24-25页 |
| 2.3.3 图像融合 | 第25页 |
| 2.3.4 图像镶嵌与裁剪 | 第25-26页 |
| 3 遥感影像森林资源识别方法与识别系统 | 第26-32页 |
| 3.1 遥感影像森林资源识别方法选择 | 第26-30页 |
| 3.1.1 最大似然法 | 第26-27页 |
| 3.1.2 支持向量机 | 第27-28页 |
| 3.1.3 人工神经网络 | 第28-30页 |
| 3.2 识别系统 | 第30-32页 |
| 4 遥感影像特征提取与分析 | 第32-41页 |
| 4.1 光谱特征提取与分析 | 第32-34页 |
| 4.1.1 Landsat-8 OLI影像光谱特征提取与分析 | 第32-33页 |
| 4.1.2 GF-2影像光谱特征提取与分析 | 第33-34页 |
| 4.2 纹理特征提取与分析 | 第34-39页 |
| 4.2.1 GLCM纹理特征参数确定 | 第35-37页 |
| 4.2.2 Landsat-8 OLI影像纹理特征提取与分析 | 第37-38页 |
| 4.2.3 GF-2影像纹理特征提取与分析 | 第38-39页 |
| 4.3 小结与讨论 | 第39-41页 |
| 4.3.1 小结 | 第39页 |
| 4.3.2 讨论 | 第39-41页 |
| 5 影像识别结果与精度评价 | 第41-65页 |
| 5.1 Landsat-8 OLI影像识别结果与精度评价 | 第41-51页 |
| 5.1.1 识别结果 | 第41页 |
| 5.1.2 精度评价 | 第41-51页 |
| 5.2 GF-2影像识别结果与精度评价 | 第51-61页 |
| 5.2.1 识别结果 | 第51-53页 |
| 5.2.2 精度评价 | 第53-61页 |
| 5.3 多源影像识别结果与精度评价 | 第61-62页 |
| 5.3.1 识别结果 | 第61-62页 |
| 5.3.2 精度评价 | 第62页 |
| 5.4 小结与讨论 | 第62-65页 |
| 5.4.1 小结 | 第62-64页 |
| 5.4.2 讨论 | 第64-65页 |
| 6 结论与讨论 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 讨论 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74页 |
