基于卷积神经网络的遥感图像分类方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 遥感图像分类概述 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 遥感图像分类方法 | 第10-11页 |
| 1.3.2 卷积神经网络分类技术 | 第11-13页 |
| 1.4 研究内容和技术路线 | 第13-16页 |
| 1.4.1 研究内容 | 第13-15页 |
| 1.4.2 技术路线 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 遥感图像分类基础 | 第17-27页 |
| 2.1 遥感图像分类原理 | 第17-22页 |
| 2.2 遥感图像分类方法 | 第22-26页 |
| 2.2.1 非监督分类方法 | 第23-24页 |
| 2.2.2 监督分类方法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 人工神经网络分类原理 | 第27-40页 |
| 3.1 人工神经网络概述 | 第27-28页 |
| 3.2 BP神经网络分类 | 第28-31页 |
| 3.2.1 BP网络模型与结构 | 第28-29页 |
| 3.2.2 BP神经网络的算法流程 | 第29-30页 |
| 3.2.3 BP神经网络分类方法的优缺点 | 第30-31页 |
| 3.2.4 BP神经网络的特性 | 第31页 |
| 3.3 Hopfield神经网络分类 | 第31-35页 |
| 3.3.1 Hopfield神经网络的模型与结构 | 第32-34页 |
| 3.3.2 Hopfield神经网络的算法流程 | 第34页 |
| 3.3.3 Hopfield神经网络的优缺点 | 第34页 |
| 3.3.4 Hopfield神经网络的特性 | 第34-35页 |
| 3.4 卷积神经网络分类 | 第35-39页 |
| 3.4.1 卷积神经网络的模型与结构 | 第35页 |
| 3.4.2 卷积神经网络的算法流程 | 第35-38页 |
| 3.4.3 卷积神经网络的优缺点 | 第38-39页 |
| 3.4.4 卷积神经网络的特性 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 卷积神经网络分类实验 | 第40-60页 |
| 4.1 遥感图像预处理 | 第40-51页 |
| 4.1.1 研究区概况 | 第40-41页 |
| 4.1.2 遥感图像的分析及处理 | 第41-50页 |
| 4.1.3 分类精度评价方法 | 第50-51页 |
| 4.2 分类结果 | 第51-56页 |
| 4.2.1 最大似然分类 | 第51-52页 |
| 4.2.2 支持向量机分类 | 第52-53页 |
| 4.2.3 BP神经网络分类 | 第53-54页 |
| 4.2.4 卷积神经网络分类 | 第54-56页 |
| 4.3 精度评价 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-61页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
