天基大气背景测量处理系统总体设计与数据挖掘方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究目的与意义 | 第9-10页 |
| 1.2 国内外研究发展现状 | 第10-14页 |
| 1.2.1 天基大气背景遥感 | 第10-12页 |
| 1.2.2 遥感图像数据挖掘 | 第12-13页 |
| 1.2.3 图像纹理特征描述 | 第13-14页 |
| 1.2.4 数据挖掘分类技术 | 第14页 |
| 1.3 主要研究内容及结构安排 | 第14-16页 |
| 第2章 天基大气背景测量处理系统总体设计 | 第16-28页 |
| 2.1 系统需求分析 | 第16-17页 |
| 2.2 系统总体设计 | 第17-18页 |
| 2.3 数据预处理分系统设计 | 第18-21页 |
| 2.3.1 原始数据组织模块 | 第18-19页 |
| 2.3.2 有效性检验模块 | 第19-20页 |
| 2.3.3 测量任务评估模块 | 第20-21页 |
| 2.4 定量化处理分系统设计 | 第21-24页 |
| 2.4.1 辐射定标模块 | 第21-23页 |
| 2.4.2 图像量化模块 | 第23页 |
| 2.4.3 几何解算模块 | 第23-24页 |
| 2.5 控制管理分系统设计 | 第24-27页 |
| 2.5.1 数据库管理模块 | 第24-25页 |
| 2.5.2 数据流控制模块 | 第25-27页 |
| 2.5.3 错误管理模块 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 面向数据挖掘的数据预处理方法 | 第28-45页 |
| 3.1 基于误差分析的测量数据质量评价与筛选 | 第28-33页 |
| 3.1.1 红外大气背景辐射亮度图像误差分析 | 第28-30页 |
| 3.1.2 误差计算结果分析 | 第30-32页 |
| 3.1.3 测量数据的筛选 | 第32-33页 |
| 3.2 基于灰度共生矩阵的图像纹理描述 | 第33-44页 |
| 3.2.1 灰度共生矩阵的纹理特征 | 第33-36页 |
| 3.2.2 计算参数的选取分析 | 第36-42页 |
| 3.2.3 纹理描述结果分析 | 第42-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 基于支持向量机的图像分类方法 | 第45-56页 |
| 4.1 支持向量机分类原理 | 第45-48页 |
| 4.2 SVM 核函数的选择 | 第48页 |
| 4.3 SVM 自学习算法模型的构建 | 第48-51页 |
| 4.3.1 FCM 算法模型 | 第48-49页 |
| 4.3.2 SVM 自学习算法模型的流程 | 第49-51页 |
| 4.4 试验结果及分析 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 定量化处理系统及图像分类系统的实现 | 第56-65页 |
| 5.1 天基大气背景测量处理系统的实现 | 第56-62页 |
| 5.1.1 数据预处理分系统 | 第56-57页 |
| 5.1.2 定量化处理分系统 | 第57-58页 |
| 5.1.3 控制管理分系统 | 第58-59页 |
| 5.1.4 测量结果统计及覆盖性评估 | 第59-62页 |
| 5.2 亮度图像分类系统的实现 | 第62-64页 |
| 5.2.1 数据筛选 | 第62-63页 |
| 5.2.2 纹理描述 | 第63页 |
| 5.2.3 图像分类 | 第63-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表的学术论文及科研成果 | 第71-73页 |
| 致谢 | 第73页 |
