| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 选题依据及意义 | 第11-13页 |
| 1.2 国内外研究现状及发展趋势 | 第13-20页 |
| 1.2.1 岩矿光谱特征 | 第14-15页 |
| 1.2.2 遥感蚀变信息提取 | 第15-17页 |
| 1.2.3 遥感岩性自动分类 | 第17页 |
| 1.2.4 遥感图像融合研究现状 | 第17-19页 |
| 1.2.5 存在问题 | 第19-20页 |
| 1.3 研究内容与技术路线 | 第20-22页 |
| 1.4 论文章节安排 | 第22-25页 |
| 第二章 常用图像分类及融合算法 | 第25-39页 |
| 2.1 典型遥感图像分类算法 | 第25-30页 |
| 2.1.1 人工神经网络 | 第25-27页 |
| 2.1.2 k-最近邻法 | 第27页 |
| 2.1.3 最大似然法 | 第27-28页 |
| 2.1.4 支持向量机 | 第28-30页 |
| 2.1.5 随机森林 | 第30页 |
| 2.2 分类精度评价 | 第30-31页 |
| 2.3 图像融合算法 | 第31-35页 |
| 2.3.1 加权融合方法 | 第32页 |
| 2.3.2 主成分分析 | 第32-33页 |
| 2.3.3 独立成分分析 | 第33页 |
| 2.3.4 小波变换 | 第33-34页 |
| 2.3.5 Gram-Schmidt变换融合 | 第34页 |
| 2.3.6 ColorNormalized变换 | 第34-35页 |
| 2.4 图像融合评价方法 | 第35-39页 |
| 第三章 数据源与研究区概况 | 第39-53页 |
| 3.1 遥感数据源 | 第39-46页 |
| 3.1.1 Sentinel-2A | 第40-42页 |
| 3.1.2 ASTER | 第42-44页 |
| 3.1.3 Landsat-8OLI | 第44页 |
| 3.1.4 Hyperion | 第44-45页 |
| 3.1.5 PALSARDEM | 第45-46页 |
| 3.2 数据预处理 | 第46-47页 |
| 3.3 研究区概况 | 第47-53页 |
| 3.3.1 石板井蛇绿岩套 | 第47-51页 |
| 3.3.2 Cuprite矿区 | 第51-53页 |
| 第四章 Sentinel-2A地质信息增强和提取 | 第53-66页 |
| 4.1 蚀变信息提取 | 第53-59页 |
| 4.1.1 特征矿物光谱特征 | 第54-55页 |
| 4.1.2 蚀变提取 | 第55-59页 |
| 4.2 岩性目视解译 | 第59-65页 |
| 4.3 小结 | 第65-66页 |
| 第五章 Sentinel-2A影像岩性分类 | 第66-83页 |
| 5.1 岩性分类数据组合 | 第66-69页 |
| 5.2 岩性分类结果 | 第69-75页 |
| 5.3 岩性分类讨论 | 第75-80页 |
| 5.4 小结 | 第80-83页 |
| 第六章 Sentinel-2A影像融合及地质应用 | 第83-104页 |
| 6.1 MV融合算法及流程 | 第83-87页 |
| 6.2 Sentinel-2A融合实验 | 第87-102页 |
| 6.2.1 Sentinel-2A图像融合 | 第87-91页 |
| 6.2.2 融合图像的地质应用 | 第91-100页 |
| 6.2.3 MV算法在植被覆盖区的应用 | 第100-102页 |
| 6.3 小结 | 第102-104页 |
| 第七章 Sentinel-2A与Hyperion数据的图像融合 | 第104-119页 |
| 7.1 Hyperion图像融合算法 | 第106-109页 |
| 7.1.1 HR融合 | 第107-108页 |
| 7.1.2 RMI融合 | 第108-109页 |
| 7.2 Hyperion融合实验 | 第109-118页 |
| 7.2.1 Hyperion融合 | 第109-113页 |
| 7.2.2 融合图像的地质应用潜力评价 | 第113-118页 |
| 7.3 小结 | 第118-119页 |
| 第八章 结论与展望 | 第119-121页 |
| 8.1 结论 | 第119-120页 |
| 8.2 创新点 | 第120页 |
| 8.3 展望 | 第120-121页 |
| 致谢 | 第121-122页 |
| 参考文献 | 第122-136页 |
| 附录 | 第136页 |