基于时空遥感数据融合的土地覆盖分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究目标和内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2 研究区及数据 | 第16-24页 |
| 2.1 研究区概况 | 第16-18页 |
| 2.1.1 研究区地理概况 | 第16-18页 |
| 2.1.2 气候 | 第18页 |
| 2.1.3 自然资源 | 第18页 |
| 2.2 数据介绍 | 第18-23页 |
| 2.2.1 MODIS时序数据 | 第18-21页 |
| 2.2.2 Landsat数据 | 第21-22页 |
| 2.2.3 验证数据 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 遥感数据去云去噪处理 | 第24-28页 |
| 3.1 MODIS时序数据去云去噪 | 第24-27页 |
| 3.1.1 S-G滤波原理 | 第25-26页 |
| 3.1.2 S-G滤波过程 | 第26-27页 |
| 3.2 Landsat影像的大气辐射校正 | 第27页 |
| 3.3 本章小结 | 第27-28页 |
| 4 多源数据的模糊分类 | 第28-50页 |
| 4.1 研究区土地覆盖分类系统 | 第28-29页 |
| 4.2 模糊分类 | 第29-31页 |
| 4.2.1 模糊分类概述 | 第29-30页 |
| 4.2.2 模糊分类的原理 | 第30-31页 |
| 4.3 基于曲线相似度的MODIS影像模糊分类 | 第31-40页 |
| 4.3.1 分类原理 | 第31页 |
| 4.3.2 曲线间欧氏距离 | 第31-32页 |
| 4.3.3 分类过程 | 第32-37页 |
| 4.3.4 MODIS数据分类结果 | 第37-40页 |
| 4.4 基于面向对象的Landsat影像模糊分类 | 第40-49页 |
| 4.4.1 基本原理 | 第40-42页 |
| 4.4.2 分类过程 | 第42-44页 |
| 4.4.3 Landsat数据分类结果 | 第44-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 基于Adaboost的时空影像融合 | 第50-68页 |
| 5.1 Adaboost算法概述 | 第50-53页 |
| 5.1.1 Boosting算法的发展 | 第50-51页 |
| 5.1.2 Adaboost算法 | 第51-53页 |
| 5.2 Adaboost算法的应用领域 | 第53页 |
| 5.3 Adaboost算法的在遥感中的应用 | 第53-54页 |
| 5.4 基于Adaboost算法的时空影像融合 | 第54-59页 |
| 5.4.1 融合方法 | 第54-56页 |
| 5.4.2 融合隶属度参数 | 第56-58页 |
| 5.4.3 权重计算 | 第58-59页 |
| 5.5 融合分类结果及精度 | 第59-67页 |
| 5.5.1 第一轮融合结果 | 第59-62页 |
| 5.5.2 第二轮融合结果 | 第62-65页 |
| 5.5.3 精度评价 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 6 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表学术论文情况 | 第73-74页 |
| 致谢 | 第74页 |
