| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-24页 |
| ·研究背景 | 第9-10页 |
| ·研究目的及意义 | 第10-12页 |
| ·研究目的 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·雷达遥感技术 | 第12-19页 |
| ·从微波遥感到合成孔径成像雷达 | 第12-15页 |
| ·微波遥感基本概念 | 第12-13页 |
| ·微波遥感系统简介 | 第13-15页 |
| ·合成孔径成像雷达（SAR）的简介 | 第15-19页 |
| ·SAR遥感技术的发展 | 第15-16页 |
| ·SAR系统成像模式 | 第16页 |
| ·SAR遥感影像几何特点 | 第16-18页 |
| ·SAR遥感的优点及应用 | 第18-19页 |
| ·土地盐渍化遥感监测国内外研究进展 | 第19-22页 |
| ·国外研究进展 | 第19-20页 |
| ·国内研究进展 | 第20-22页 |
| ·土地盐渍化遥感监测发展趋势 | 第22-23页 |
| ·雷达影像在干旱区盐渍化监测潜力 | 第23-24页 |
| 第二章 研究区概况、历次野外考察及数据源 | 第24-36页 |
| ·研究区概况 | 第24-28页 |
| ·自然地理环境 | 第24-27页 |
| ·地理位置 | 第24-25页 |
| ·地形与地貌 | 第25页 |
| ·气候与水文状况 | 第25-26页 |
| ·土地利用状况 | 第26页 |
| ·土壤类型 | 第26-27页 |
| ·社会经济条件 | 第27-28页 |
| ·历次野外考察 | 第28-34页 |
| ·历次野外考察内容与方法 | 第28-33页 |
| ·历次野外考察获取资料 | 第33-34页 |
| ·数据源 | 第34-36页 |
| ·TM数据 | 第34页 |
| ·Radarsat数据及其特征 | 第34-36页 |
| 第三章 研究方法与技术路线 | 第36-41页 |
| ·研究手段概述 | 第36-37页 |
| ·研究条件 | 第37-38页 |
| ·研究内容 | 第38-39页 |
| ·基本技术路线 | 第39-41页 |
| 第四章 TM和SAR影像融合预处理 | 第41-44页 |
| ·TM 图像预处理 | 第41页 |
| ·SAR图像预处理 | 第41-44页 |
| ·SAR影像的斑点噪声去除处理 | 第41-43页 |
| ·SAR图像滤波概述 | 第42页 |
| ·SAR的主要滤波策略 | 第42页 |
| ·SAR影像进行去噪处理 | 第42-43页 |
| ·雷达影像的校正 | 第43-44页 |
| 第五章 SAR与TM图像的融合处理及融合效果评价 | 第44-63页 |
| ·遥感数据融合概述 | 第44-48页 |
| ·遥感融合技术概述 | 第44页 |
| ·遥感图像融合的过程 | 第44-45页 |
| ·遥感数据融合的层次 | 第45-48页 |
| ·像素级融合 | 第45-46页 |
| ·特征级融合 | 第46页 |
| ·决策级融合 | 第46-48页 |
| ·图像数据融合的目的 | 第48页 |
| ·几种常用融合方法 | 第48-52页 |
| ·主成分(PCA)变换法 | 第48-49页 |
| ·HIS变换法 | 第49-50页 |
| ·Brovey变换法 | 第50页 |
| ·Gram-Schmidt变换融合法 | 第50-51页 |
| ·小波变换融合法 | 第51-52页 |
| ·图像数据融合的评价标准 | 第52-54页 |
| ·图像融合基于信息量的评价 | 第52-53页 |
| ·图像融合基于清晰度的评价 | 第53-54页 |
| ·图像融合基于逼真度的评价 | 第54页 |
| ·不同融合方法对的SAR与TM图像的融合处理应用 | 第54-60页 |
| ·不同融合方法的步骤及主观判别比较 | 第55-60页 |
| ·PCA（主成分）融合处理 | 第55-56页 |
| ·HIS变换融合处理 | 第56页 |
| ·Brovey变换融合处理 | 第56-57页 |
| ·Gram-Schmidt变换融合处理 | 第57-58页 |
| ·小波变换融合处理 | 第58-60页 |
| ·融合效果客观定量地评价与分析 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第六章 图像分类与盐渍化信息监测 | 第63-88页 |
| ·遥感图像分类的概念 | 第63页 |
| ·遥感影像分类技术 | 第63-64页 |
| ·传统分类方法的缺陷 | 第64-65页 |
| ·支持向量机（SVM）分类法 | 第65-72页 |
| ·支持向量机(SVM) | 第65-71页 |
| ·两类线性可分的支持向量机 | 第66-68页 |
| ·线性不可分的支持向量机 | 第68-69页 |
| ·非线性支持向量机 | 第69-70页 |
| ·SVM的多类分类问题 | 第70-71页 |
| ·SVM方法的优点 | 第71页 |
| ·交义检验与参数选择 | 第71-72页 |
| ·分类精度评价指标 | 第72-74页 |
| ·基于支持向量机（SVM）分类的盐渍化信息提取应用 | 第74-86页 |
| ·分类系统的建立 | 第74-75页 |
| ·SVM模型选择 | 第75-78页 |
| ·基于TM图像的SVM分类盐渍化信息监测 | 第78-82页 |
| ·分类结果 | 第78-80页 |
| ·分类结果精度分析 | 第80-82页 |
| ·基于SAR图像融合的SVM分类盐渍化信息监测 | 第82-86页 |
| ·分类结果 | 第82-84页 |
| ·分类结果比较与分析 | 第84-86页 |
| ·小结 | 第86-88页 |
| 第七章 结论与展望 | 第88-92页 |
| ·结论 | 第88-90页 |
| ·不足与展望 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 攻读硕士学位期间参与的项目和发表论文 | 第96-97页 |
| 致谢 | 第97-98页 |