基于多分类器的农作区遥感图像分类方法研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究的目的与意义 | 第9-11页 |
| 1.1.1 研究的目的 | 第9-10页 |
| 1.1.2 研究的意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-17页 |
| 1.2.1 遥感图像分类方法的研究现状 | 第11-14页 |
| 1.2.2 多分类器组合分类的研究现状 | 第14-17页 |
| 1.3 本章小结 | 第17-18页 |
| 第2章 遥感图像分类原理 | 第18-31页 |
| 2.1 遥感分类概述 | 第18-24页 |
| 2.1.1 监督分类 | 第18-22页 |
| 2.1.2 非监督分类 | 第22-24页 |
| 2.2 单分类器的监督分类 | 第24-30页 |
| 2.2.1 最小距离 | 第24-25页 |
| 2.2.2 最大似然 | 第25-26页 |
| 2.2.3 马氏距离 | 第26-27页 |
| 2.2.4 神经网络 | 第27-29页 |
| 2.2.5 支持向量机 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于单分类器的遥感图像分类 | 第31-43页 |
| 3.1 遥感图像处理软件选取 | 第31页 |
| 3.2 研究区域与数据 | 第31-33页 |
| 3.2.1 数据介绍 | 第31-32页 |
| 3.2.2 研究区概况 | 第32-33页 |
| 3.3 数据预处理 | 第33-35页 |
| 3.3.1 数据预处理方法 | 第33页 |
| 3.3.2 辐射定标和大气校正 | 第33-35页 |
| 3.4 实验结果与分析 | 第35-42页 |
| 3.4.1 训练样本采集 | 第35-37页 |
| 3.4.2 实验结果 | 第37-38页 |
| 3.4.3 精度评价 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于多分类器组合的遥感图像分类 | 第43-62页 |
| 4.1 多分类器组合概述 | 第43-51页 |
| 4.1.1 多分类器组合的意义 | 第43-44页 |
| 4.1.2 多分类器的组合方法 | 第44-48页 |
| 4.1.3 多分类器组合的算法 | 第48-51页 |
| 4.2 多分类器组合工具 | 第51-52页 |
| 4.3 多分类器组合分类的方法 | 第52-56页 |
| 4.3.1 决策融合方法 | 第53-56页 |
| 4.4 实验结果与分析 | 第56-61页 |
| 4.4.1 实验结果 | 第56-58页 |
| 4.4.2 单分类器与多分类器组合的结果比较 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70页 |
