基于多源信息的TM遥感影像分类
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·选题的目的和意义 | 第11-12页 |
| ·遥感图像分类的研究现状 | 第12-16页 |
| ·目视解译分类方法 | 第12页 |
| ·传统的分类方法 | 第12-13页 |
| ·新的方法和手段 | 第13-16页 |
| 第二章 研究内容与方法 | 第16-20页 |
| ·研究区概况 | 第16页 |
| ·研究资料 | 第16-18页 |
| ·卫星遥感资料 | 第16-17页 |
| ·训练区选择 | 第17-18页 |
| ·研究内容 | 第18-19页 |
| ·技术路线 | 第19-20页 |
| 第三章 遥感影像特征提取 | 第20-30页 |
| ·光谱特征提取 | 第20-25页 |
| ·缨帽变换 | 第20-21页 |
| ·归一化植被指数 | 第21页 |
| ·主成分分析（PCA） | 第21-22页 |
| ·最小噪声分离变换（MNF） | 第22-24页 |
| ·训练样本的可分离性比较 | 第24-25页 |
| ·纹理特征提取 | 第25-30页 |
| ·图像纹理 | 第25-26页 |
| ·灰度共生矩阵（GLMC） | 第26-27页 |
| ·窗口大小的确定 | 第27-30页 |
| 第四章 遥感图像分类 | 第30-48页 |
| ·最大似然分类法 | 第30页 |
| ·最大似然法基本原理 | 第30页 |
| ·实验过程 | 第30页 |
| ·决策树分类法 | 第30-36页 |
| ·决策树原理 | 第30-32页 |
| ·CART 算法 | 第32页 |
| ·C4.5 算法 | 第32-33页 |
| ·基于CART 决策树分类 | 第33-36页 |
| ·支持向量机 | 第36-44页 |
| ·支持向量机原理 | 第36-39页 |
| ·数据预处理 | 第39页 |
| ·Libsvm 文件格式 | 第39页 |
| ·核函数参数确定 | 第39-40页 |
| ·实验过程 | 第40-44页 |
| ·分类结果分析 | 第44-48页 |
| ·分类精度评价指标 | 第44-45页 |
| ·分类精度评价 | 第45-48页 |
| 第五章 结论与展望 | 第48-50页 |
| ·结 论 | 第48页 |
| ·展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |
