| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 引言 | 第10-21页 |
| ·课题的背景与依据 | 第10-11页 |
| ·计算机遥感自动分类概述 | 第11-19页 |
| ·计算机遥感自动分类研究概况 | 第11-14页 |
| ·常用的计算机自动分类方法 | 第14-18页 |
| ·基于RBFNN算法的遥感分类 | 第18-19页 |
| ·研究方案 | 第19-21页 |
| ·研究目标 | 第19页 |
| ·研究内容 | 第19页 |
| ·研究方法 | 第19-20页 |
| ·技术路线 | 第20-21页 |
| 2 基于RBFNN遥感分类算法的设计 | 第21-26页 |
| ·径向基函数网络算法 | 第21-24页 |
| ·人工神经网络概述 | 第21-22页 |
| ·径向基函数网络的特点 | 第22页 |
| ·径向基函数网络的算法 | 第22-24页 |
| ·研究区域的选择 | 第24页 |
| ·开发平台的选择 | 第24-25页 |
| ·系统的总体设计 | 第25-26页 |
| ·系统的目标及任务 | 第25页 |
| ·系统的软硬件配置 | 第25页 |
| ·系统的功能设计 | 第25-26页 |
| 3 设计方法的实现与应用 | 第26-35页 |
| ·数据源 | 第26页 |
| ·遥感影像的预处理 | 第26页 |
| ·遥感影像的纠正 | 第26-28页 |
| ·遥感影像的切割 | 第28-29页 |
| ·遥感图像特征分析 | 第29-31页 |
| ·传感器波段特征分析 | 第29-30页 |
| ·遥感图像统计特征分析 | 第30-31页 |
| ·训练样区的建立 | 第31-32页 |
| ·土地类型的确定 | 第31-32页 |
| ·建立训练样区 | 第32页 |
| ·RBFNN网络的建立与仿真 | 第32-34页 |
| ·RBFNN算法的建立 | 第32-34页 |
| ·网络仿真 | 第34页 |
| ·制作分类影像图 | 第34-35页 |
| 4 遥感图像分类结果的精度分析 | 第35-51页 |
| ·遥感图像分类精度分析概述 | 第35-39页 |
| ·研究区TM遥感图像自动分类精度分析 | 第39-51页 |
| ·基于RBFNN算法的遥感土地分类精度分析 | 第40-43页 |
| ·基于RBFNN算法的遥感土地分类与非监督分类结果比较分析 | 第43-47页 |
| ·基于RBFNN算法的遥感土地分类与监督分类结果比较分析 | 第47-51页 |
| 5 结论与展望 | 第51-53页 |
| ·结论 | 第51-52页 |
| ·本文的特色之处 | 第52页 |
| ·有待进一步研究的问题 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表的论文 | 第58页 |