| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 深度学习技术研究现状 | 第10-11页 |
| 1.2.2 遥感影像分类研究现状 | 第11-12页 |
| 1.3 本文研究内容与组织 | 第12-15页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 论文组织 | 第13-15页 |
| 第2章 高分辨率遥感影像的深度学习分类方法 | 第15-40页 |
| 2.1 深度学习理论基础 | 第15-29页 |
| 2.1.1 深度学习模型的结构 | 第15-24页 |
| 2.1.2 深度学习模型的训练 | 第24-27页 |
| 2.1.3 深度学习模型的类型 | 第27-29页 |
| 2.2 影像分类深度模型 | 第29-38页 |
| 2.2.1 FCN模型 | 第30-32页 |
| 2.2.2 SegNet模型 | 第32-35页 |
| 2.2.3 U-Net模型 | 第35-37页 |
| 2.2.4 几种模型对比分析 | 第37-38页 |
| 2.3 本章小结 | 第38-40页 |
| 第3章 高分辨率遥感影像多类特征构建 | 第40-52页 |
| 3.1 影像空间特征构建 | 第40-42页 |
| 3.2 影像对比度特征构建 | 第42-47页 |
| 3.2.1 基于全局对比度的HC算法 | 第42-43页 |
| 3.2.2 基于局部对比度的AC算法 | 第43-45页 |
| 3.2.3 HC、AC算法对比分析 | 第45-47页 |
| 3.3 影像植被特征构建 | 第47-49页 |
| 3.4 影像纹理特征构建 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于多类特征深度学习的高分辨率影像分类方法 | 第52-73页 |
| 4.1 基于多类特征深度学习的高分辨率影像分类方法概述 | 第52-53页 |
| 4.2 高分辨率遥感影像多类特征数据集制作 | 第53-60页 |
| 4.2.1 训练集制作 | 第54-60页 |
| 4.2.2 测试集制作 | 第60页 |
| 4.3 高分辨率遥感影像分类模型训练 | 第60-67页 |
| 4.3.1 高分辨率遥感影像分类模型结构 | 第61页 |
| 4.3.2 高分辨率遥感影像分类模型搭建 | 第61-63页 |
| 4.3.3 高分辨率遥感影像分类模型训练流程 | 第63-67页 |
| 4.4 高分辨率遥感影像分类模型预测 | 第67-69页 |
| 4.5 高分辨率遥感影像分类CRF后处理 | 第69-71页 |
| 4.6 高分辨率遥感影像分类图融合 | 第71-72页 |
| 4.7 本章小结 | 第72-73页 |
| 第5章 实验结果与分析 | 第73-93页 |
| 5.1 实验环境 | 第73页 |
| 5.2 实验结果 | 第73-77页 |
| 5.3 精度评定 | 第77-88页 |
| 5.3.1 精度评定指标 | 第77-79页 |
| 5.3.2 本文方法分类结果精度评定 | 第79-80页 |
| 5.3.3 影像多类特征对分类结果的影响 | 第80-87页 |
| 5.3.4 分类图融合对分类结果的影响 | 第87-88页 |
| 5.4 不同方法对比分析 | 第88-92页 |
| 5.5 本章小结 | 第92-93页 |
| 第6章 总结和展望 | 第93-96页 |
| 6.1 总结 | 第93-94页 |
| 6.2 展望 | 第94-96页 |
| 发表论文及科研情况 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 致谢 | 第103-104页 |