基于BP神经网络的遥感影像分类研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 引言 | 第7-9页 |
| 1 概述 | 第9-12页 |
| ·选题背景和意义 | 第9页 |
| ·研究内容 | 第9-10页 |
| ·相关研究 | 第10页 |
| ·海南岛博鳌地区概况 | 第10-12页 |
| 2 遥感信息预处理 | 第12-19页 |
| ·SPOT卫星简介 | 第12-13页 |
| ·遥感图像的几何校正 | 第13-17页 |
| ·遥感图像的融合 | 第17-19页 |
| 3 人工神经网络 | 第19-25页 |
| ·神经网络的发展概况 | 第19-21页 |
| ·人工神经网络的优点及基本特征 | 第21页 |
| ·人工神经网络模型 | 第21-25页 |
| ·神经元模型 | 第22-23页 |
| ·神经网络学习规则 | 第23页 |
| ·神经网络模型 | 第23-25页 |
| 4 遥感图像分类 | 第25-41页 |
| ·遥感影像分类概述 | 第25-27页 |
| ·遥感图像分类基本原理 | 第25-26页 |
| ·遥感图像分类过程 | 第26-27页 |
| ·遥感图像分类方法 | 第27-39页 |
| ·非监督分类方法 | 第27-33页 |
| ·K-means分类算法及分类结果 | 第28-29页 |
| ·ISODATA分类算法及分类结果 | 第29-33页 |
| ·非监督分类方法小结 | 第33页 |
| ·监督分类方法 | 第33-39页 |
| ·训练区的选择 | 第34-35页 |
| ·最大似然法分类及分类图 | 第35-38页 |
| ·监督分类方法小结 | 第38-39页 |
| ·基于神经网络的遥感图像分类 | 第39-41页 |
| ·基于神经网络的遥感图像分类优势 | 第39-40页 |
| ·基于神经网络的遥感图像分类研究 | 第40-41页 |
| 5 基于 BP神经网络的遥感图像分类 | 第41-55页 |
| ·BP网络结构 | 第41-43页 |
| ·BP网络结构的选定 | 第43-45页 |
| ·基于 BP网络的遥感图像分类试验研究 | 第45-55页 |
| ·遥感数据预处理 | 第45页 |
| ·BP神经网络结构设计 | 第45-50页 |
| ·BP神经网络的创建 | 第45-46页 |
| ·样本数据输入 | 第46-47页 |
| ·BP神经网络的训练与仿真 | 第47-49页 |
| ·BP神经网络分类的实现 | 第49-50页 |
| ·试验区分类结果显示 | 第50-55页 |
| 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 个人简介 | 第60-61页 |
| 导师简介 | 第61-63页 |
| 硕士期间获得成果清单 | 第63-64页 |
| 致谢 | 第64页 |
