| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究目的和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 地表覆盖分类方法 | 第12-13页 |
| 1.2.2 卷积神经网络分类技术 | 第13-16页 |
| 1.3 论文的组织 | 第16页 |
| 1.4 本章小结 | 第16-18页 |
| 第2章 遥感影像分类基础 | 第18-28页 |
| 2.1 遥感影像分类原理 | 第18页 |
| 2.2 预处理 | 第18-19页 |
| 2.3 特征提取与选择 | 第19-22页 |
| 2.3.1 光谱特征 | 第19页 |
| 2.3.2 纹理特征 | 第19-22页 |
| 2.4 分类 | 第22-25页 |
| 2.4.1 非监督分类 | 第22页 |
| 2.4.2 监督分类 | 第22-25页 |
| 2.5 分类后处理与精度评价 | 第25-27页 |
| 2.5.1 分类后处理 | 第25页 |
| 2.5.2 混淆矩阵与精度评价 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 卷积神经网络 | 第28-38页 |
| 3.1 人工神经网络 | 第28-31页 |
| 3.1.1 人工神经网络概述 | 第28页 |
| 3.1.2 BP神经网络 | 第28-31页 |
| 3.2 卷积神经网络 | 第31-36页 |
| 3.2.1 卷积神经网络的研究历史与意义 | 第31-32页 |
| 3.2.2 卷积神经网络的基本结构 | 第32-35页 |
| 3.2.3 卷积神经网络的训练 | 第35-36页 |
| 3.2.4 卷积神经网络的迁移学习 | 第36页 |
| 3.3 本章小结 | 第36-38页 |
| 第4章 研究数据和样本模型选择 | 第38-50页 |
| 4.1 研究数据 | 第38页 |
| 4.2 研究区概况 | 第38-40页 |
| 4.3 分类体系 | 第40-42页 |
| 4.4 样本选择 | 第42-44页 |
| 4.4.1 训练样本 | 第42-43页 |
| 4.4.2 验证样本 | 第43-44页 |
| 4.5 深度卷积神经网络模型 | 第44-48页 |
| 4.5.1 Alex Net | 第44-46页 |
| 4.5.2 VGG | 第46-47页 |
| 4.5.3 GoogLeNet | 第47-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 地表覆盖分类及其评价 | 第50-62页 |
| 5.1 技术路线 | 第50-52页 |
| 5.2 不同邻域窗口尺寸的分类结果与分析 | 第52-53页 |
| 5.3 深度卷积神经网络不同层特征的分类结果与分析 | 第53-55页 |
| 5.4 不同深度卷积神经网络模型的分类结果与影响分析 | 第55-56页 |
| 5.5 与传统分类方法对比与分析 | 第56-60页 |
| 5.6 本章小结 | 第60-62页 |
| 第6章 总结和展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63页 |
| 6.3 本章小结 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第72-73页 |