面向对象遥感影像分类方法及其应用研究--以深圳市福田区植被提取为例
| 致谢 | 第1-4页 |
| 摘要 | 第4-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究意义 | 第11-16页 |
| ·高分辨率遥感影像自动分类研究现状 | 第12-14页 |
| ·面向对象影像分析研究现状 | 第14-15页 |
| ·城市植被信息提取技术研究现状 | 第15-16页 |
| ·研究内容、方法和组织结构 | 第16-21页 |
| ·课题来源 | 第16页 |
| ·研究内容 | 第16-17页 |
| ·研究方法 | 第17-18页 |
| ·论文结构 | 第18-21页 |
| 第二章 面向对象遥感影像分类方法 | 第21-34页 |
| ·多尺度分割 | 第21-29页 |
| ·图像分割概述 | 第22-24页 |
| ·多尺度分割的概念 | 第24-25页 |
| ·基于异质性最小原则的区域合并算法 | 第25-28页 |
| ·多尺度分割参数选择 | 第28-29页 |
| ·模糊分类 | 第29-33页 |
| ·模糊分类概述 | 第30-31页 |
| ·模糊分类的数学基础 | 第31-32页 |
| ·模糊分类器原理 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 面向对象影像分析中的尺度问题 | 第34-49页 |
| ·遥感信息的尺度转换 | 第34-40页 |
| ·面向对象的尺度转换 | 第35-40页 |
| ·尺度转换影像对象均值的尺度变化 | 第37页 |
| ·尺度转换影像对象标准差的尺度变化 | 第37-38页 |
| ·尺度转换影像对象NDVI均值的尺度变化 | 第38-39页 |
| ·尺度转换影像对象分形维数的尺度变化 | 第39-40页 |
| ·遥感信息提取的尺度效应 | 第40-43页 |
| ·最优尺度选择--面积比均值法 | 第43-47页 |
| ·影像对象的面积比均值 | 第44-46页 |
| ·高分辨率影像分割实验 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 面向对象的多特征模糊分类模型 | 第49-64页 |
| ·最邻近分类器 | 第49-57页 |
| ·对象多特征描述 | 第50-54页 |
| ·对象特征选择 | 第54-56页 |
| ·函数坡度(function slope) | 第56-57页 |
| ·基于模糊规则分类器 | 第57-60页 |
| ·建立模糊规则 | 第57-58页 |
| ·构造隶属函数 | 第58-60页 |
| ·隶属函数构造基本原则 | 第58-59页 |
| ·模糊统计法 | 第59-60页 |
| ·模糊多分类器模型 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于面向对象的深圳福田区植被信息提取 | 第64-86页 |
| ·研究区概况和数据源 | 第64-65页 |
| ·研究区概况 | 第64页 |
| ·QuickBird影像数据特点 | 第64-65页 |
| ·QuickBird影像预处理 | 第65-69页 |
| ·影像融合 | 第65-67页 |
| ·几何精纠正 | 第67-68页 |
| ·滤波处理 | 第68-69页 |
| ·多尺度分割 | 第69-72页 |
| ·分割策略 | 第69-70页 |
| ·分割结果 | 第70-72页 |
| ·面向对象植被信息提取 | 第72-81页 |
| ·土地覆盖及植被类型分类体系建立 | 第72-73页 |
| ·植被信息提取流程 | 第73-75页 |
| ·绿色植被初步提取 | 第75-77页 |
| ·建立对象层次结构 | 第75页 |
| ·分类规则建立和特征空间选择 | 第75-77页 |
| ·林地植被详细提取 | 第77-81页 |
| ·建立对象层次结构 | 第77-78页 |
| ·分类规则建立和特征空间选择 | 第78-81页 |
| ·面向对象方法与基于像元方法比较 | 第81-85页 |
| ·本章小结 | 第85-86页 |
| 第六章 结论与问题讨论 | 第86-88页 |
| ·结论 | 第86-87页 |
| ·问题讨论和展望 | 第87-88页 |
| 参考文献 | 第88-94页 |
| 详细摘要 | 第94-98页 |
