| 摘要 | 第1-7页 |
| abstract | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景 | 第11页 |
| ·研究目的及意义 | 第11页 |
| ·国内外研究概况 | 第11-15页 |
| ·土地利用/土地覆被分类系统现状 | 第12页 |
| ·基于无人机遥感系统研究现状 | 第12-13页 |
| ·基于遥感影像数据的土地利用/土地覆被分类研究现状 | 第13-15页 |
| ·研究内容及技术路线 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·技术路线 | 第16-17页 |
| 第二章 无人机遥感影像数据的获取及土地利用类型的确定 | 第17-25页 |
| ·试验区域概括 | 第17页 |
| ·无人机遥感航测系统 | 第17-20页 |
| ·无人机及机载传感器 | 第17-19页 |
| ·无人机航拍路线设计 | 第19-20页 |
| ·无人机遥感影像数据拼接处理 | 第20-22页 |
| ·影像拼接过程 | 第20-21页 |
| ·影像拼接精度验证 | 第21-22页 |
| ·试验区域土地利用类型分类体系构建 | 第22-24页 |
| ·土地利用/土地覆被分类概念 | 第22页 |
| ·试验区域土地利用类型的确定 | 第22-23页 |
| ·构建遥感影像解译标志 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 面向对象的土地利用类型分类方法研究 | 第25-39页 |
| ·无人机遥感影像分割试验 | 第25-28页 |
| ·多尺度分割参数原理 | 第26-27页 |
| ·影像数据分割参数确定 | 第27-28页 |
| ·训练样本选取 | 第28-29页 |
| ·无人机遥感影像特征参量选取 | 第29-33页 |
| ·光谱特征参量选取 | 第29-30页 |
| ·形状特征参量选取 | 第30-31页 |
| ·纹理特征参量选取 | 第31-33页 |
| ·面向对象的土地利用类型分类方法 | 第33-38页 |
| ·决策树分类法 | 第33-34页 |
| ·支持向量机分类法 | 第34-37页 |
| ·K-最近邻分类法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于无人机遥感影像数据分类方法的精度评价 | 第39-44页 |
| ·混淆矩阵原理及指标 | 第39-40页 |
| ·验证样本选取 | 第40页 |
| ·基于混淆矩阵的精度评价 | 第40-42页 |
| ·决策树分类法的精度评价 | 第40-41页 |
| ·支持向量机分类法的精度评价 | 第41-42页 |
| ·K-最近邻分类法的精度评价 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第五章 基于无人机遥感影像数据分类方法应用及优化 | 第44-52页 |
| ·水域及水利设施用地自动提取 | 第44页 |
| ·规则集应用 | 第44-48页 |
| ·基于像素的支持向量机分类法应用 | 第44-45页 |
| ·面向对象的决策树分类法应用 | 第45-47页 |
| ·面向对象的支持向量机分类法应用 | 第47-48页 |
| ·分类后处理 | 第48-51页 |
| ·优化支持向量机分类法 | 第48-49页 |
| ·不同分类方法精度评价对比 | 第49页 |
| ·各地物面积信息获取 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 结论及展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·创新点 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |