水源林遥感图像空间信息特征数据挖掘
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-13页 |
| ·引言 | 第8-9页 |
| ·研究的背景和意义 | 第9页 |
| ·国内外研究历史及现状 | 第9-11页 |
| ·研究内容及方法 | 第11-13页 |
| ·研究的内容 | 第11页 |
| ·研究的方法 | 第11-13页 |
| 第2章 遥感图像空间信息特征数据挖掘分析方法 | 第13-30页 |
| ·小波分析 | 第13-19页 |
| ·小波变换的定义及性质 | 第13-14页 |
| ·常用小波介绍 | 第14-18页 |
| ·小波基的选择 | 第18-19页 |
| ·人工神经网络 | 第19-22页 |
| ·BP反向传播模型及其学习算法 | 第20-21页 |
| ·BP算法的缺点 | 第21页 |
| ·人工神经网络的优越性与特征 | 第21-22页 |
| ·人工神经网络的优越性 | 第21页 |
| ·人工神经网络的特征 | 第21-22页 |
| ·遥感图像的纹理 | 第22-23页 |
| ·纹理的定义与纹理特征 | 第22页 |
| ·纹理特征提取方法 | 第22-23页 |
| ·遥感图像最佳波段选择方法 | 第23-25页 |
| ·单波段信息量的比较 | 第23-24页 |
| ·波段间相关性比较 | 第24-25页 |
| ·最佳指数法(OIF) | 第25页 |
| ·各波段数据的信息熵 | 第25页 |
| ·植被指数、植被覆盖度及地表温度的提取方法 | 第25-27页 |
| ·植被指数 | 第25-27页 |
| ·反射率(ρ) | 第25-26页 |
| ·比值植被指数(RVI) | 第26页 |
| ·归一化植被指数(NDVI) | 第26-27页 |
| ·植被覆盖度的遥感反演方法 | 第27页 |
| ·地表温度的遥感反演方法 | 第27页 |
| ·小波纹理特征的BP神经网络地物识别算法流程图 | 第27-30页 |
| 第3章 数据挖掘实验与结果 | 第30-50页 |
| ·研究区介绍 | 第30-31页 |
| ·林地林木与农田作物小波特征的神经网络识别方法 | 第31-33页 |
| ·基于小波纹理特征的BP神经网络地物识别分类 | 第33-43页 |
| ·最佳波段选择 | 第33-35页 |
| ·最优小波基选择 | 第35-37页 |
| ·水源林遥感图像特征向量提取 | 第37-43页 |
| ·小波光谱特征提取 | 第37-38页 |
| ·小波纹理特征提取 | 第38-41页 |
| ·BP神经网络设计 | 第41-42页 |
| ·实验结果评价 | 第42-43页 |
| ·利用遥感植被指数变化研究水源林变化的研究 | 第43-45页 |
| ·水源林植被覆盖度变化对地表温度影响分析 | 第45-47页 |
| ·水源林不同地表类型热效应的遥感反演 | 第47-50页 |
| 第4章 结论与讨论 | 第50-52页 |
| 第5章 总结与展望 | 第52-55页 |
| ·总结 | 第52页 |
| ·存在的不足 | 第52-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 读研期间发表论文 | 第57-58页 |
| 致谢 | 第58-59页 |
