| 学位论文独创性说明 | 第1页 |
| 学位论文知识产权声明书 | 第2-3页 |
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·高分辨率遥感图像分类研究背景及研究现状 | 第9-11页 |
| ·研究的现状 | 第9页 |
| ·研究的背景 | 第9-11页 |
| ·高分辨率遥感图像分类的新方法 | 第11-12页 |
| ·人工神经网络分类方法 | 第11页 |
| ·专家系统分类方法的应用 | 第11-12页 |
| ·研究方案 | 第12-14页 |
| ·研究的目的和内容 | 第12页 |
| ·研究方法 | 第12-13页 |
| ·研究路线图 | 第13-14页 |
| 2 人工神经网络概述 | 第14-26页 |
| ·人工神经网络模型 | 第14-18页 |
| ·人工神经网络的基本功能 | 第14-15页 |
| ·神经元结构模型 | 第15-16页 |
| ·人工神经网络的学习 | 第16-18页 |
| ·径向基函数人工神经网络 | 第18-23页 |
| ·径向基神经网络用于遥感影像分类的优势 | 第18-19页 |
| ·径向基函数网络基本原理 | 第19-20页 |
| ·径向基函数学习过程 | 第20-21页 |
| ·径向基函数神经网络的设计与仿真 | 第21-22页 |
| ·径向基函数网络散布常数SPREAD的设置 | 第22-23页 |
| ·BP网络理论 | 第23-25页 |
| ·BP网络结构 | 第23-24页 |
| ·BP网络学习算法 | 第24页 |
| ·BP网络设计函数 | 第24-25页 |
| ·径向基神经网络用于遥感影像分类的优势 | 第25-26页 |
| 3 应用传统最小距离法对高分辨率遥感影像进行分类 | 第26-43页 |
| ·遥感图像计算机分类的一般过程 | 第26-31页 |
| ·概述 | 第26-28页 |
| ·计算机分类的基本原理 | 第28-29页 |
| ·计算机分类的一般过程 | 第29-31页 |
| ·特征处理 | 第31页 |
| ·最小距离分类方法 | 第31-32页 |
| ·应用最小距离分类法对高分辨率影像进行分类 | 第32-38页 |
| ·计算图像中不同地类的灰度均值和标准差 | 第32-36页 |
| ·验证林地像元均值和标准差的合理性 | 第36-37页 |
| ·试验验证 | 第37-38页 |
| ·降低农田、水田、水体像元对林地像元分类的影响 | 第38-43页 |
| 4 应用径向基函数神经网络对高分辨率图像进行林地像元提取 | 第43-51页 |
| ·应用径向基设计函数newrbe()设计网络对图像分类 | 第43-46页 |
| ·径向基函数网络设计 | 第43-44页 |
| ·试验验证 | 第44-46页 |
| ·径向基神经网络在林班蓄积定量估测中的应用 | 第46-51页 |
| ·径向基网络的设计与仿真 | 第47页 |
| ·试验验证 | 第47-50页 |
| ·结论 | 第50-51页 |
| 5 BP神经网络用于高分辨率遥感影像林地像元提取 | 第51-58页 |
| ·BP神经网络设计 | 第51-52页 |
| ·不同训练函数对网络的训练结果 | 第52-58页 |
| 6 结论 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·讨论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64页 |