| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状与发展趋势 | 第12-16页 |
| 1.2.1 森林遥感图像分类研究现状与发展趋势 | 第12-14页 |
| 1.2.2 蚁群算法研究现状与发展趋势 | 第14-16页 |
| 1.3 本文主要研究内容与工作安排 | 第16-18页 |
| 第2章 遥感图像的特性分析与特征提取 | 第18-31页 |
| 2.1 遥感图像的基础知识 | 第18-19页 |
| 2.2 遥感图像的数据特性 | 第19-23页 |
| 2.2.1 空间分辨率 | 第20-21页 |
| 2.2.2 光谱分辨率 | 第21-22页 |
| 2.2.3 时间分辨率 | 第22-23页 |
| 2.3 遥感图像特征分析和提取方法 | 第23-27页 |
| 2.3.1 光谱特征 | 第23-25页 |
| 2.3.2 纹理特征 | 第25-26页 |
| 2.3.3 空间形状特征 | 第26-27页 |
| 2.4 遥感图像分类精度评价 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 蚁群算法研究与改进 | 第31-54页 |
| 3.1 蚁群算法的基本原理 | 第31-35页 |
| 3.1.1 蚁群行为描述 | 第31-33页 |
| 3.1.2 基本蚁群算法的机制原理 | 第33-35页 |
| 3.2 基本蚁群算法的模型 | 第35-39页 |
| 3.2.1 TSP描述 | 第36-37页 |
| 3.2.2 基本蚁群算法的数学模型 | 第37-39页 |
| 3.3 基本蚁群算法的具体实现 | 第39-44页 |
| 3.3.1 算法的实现步骤 | 第39-40页 |
| 3.3.2 算法的程序流程图 | 第40-41页 |
| 3.3.3 仿真实现 | 第41-44页 |
| 3.4 基本蚁群算法的特性分析 | 第44-46页 |
| 3.4.1 蚁群算法的特点 | 第45页 |
| 3.4.2 蚁群算法的收敛性 | 第45-46页 |
| 3.4.3 蚁群算法的优缺点 | 第46页 |
| 3.5 几种改进的蚁群算法 | 第46-50页 |
| 3.5.1 蚁群系统 | 第47-48页 |
| 3.5.2 精英蚂蚁系统 | 第48-49页 |
| 3.5.3 最大最小蚂蚁系统 | 第49页 |
| 3.5.4 基于排列的蚂蚁系统 | 第49-50页 |
| 3.5.5 其他改进的蚁群算法 | 第50页 |
| 3.6 基于蚁群算法的特征选择算法 | 第50-53页 |
| 3.6.1 算法的原理 | 第50-51页 |
| 3.6.2 算法的数学模型 | 第51-52页 |
| 3.6.3 算法的实现步骤 | 第52-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第4章 基于改进蚁群算法的森林遥感图像分类 | 第54-68页 |
| 4.1 Landsat5各个波段特性分析 | 第54-55页 |
| 4.2 森林遥感图像的特征提取 | 第55-60页 |
| 4.2.1 光谱特征提取 | 第55-58页 |
| 4.2.2 纹理特征提取 | 第58-60页 |
| 4.3 基于改进的蚁群算法和SVM的森林遥感图像分类 | 第60-62页 |
| 4.3.1 基于改进蚁群算法的特征选择 | 第60-61页 |
| 4.3.2 利用SVM进行分类 | 第61-62页 |
| 4.4 实验结果与分析 | 第62-67页 |
| 4.5 实验总结 | 第67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76页 |