| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-16页 |
| 1.3 论文研究内容及安排 | 第16-18页 |
| 第二章 遥感图像数据预处理 | 第18-27页 |
| 2.1 数据来源 | 第18-19页 |
| 2.2 图像预处理 | 第19-24页 |
| 2.2.1 图像几何校正 | 第19-20页 |
| 2.2.2 图像裁剪 | 第20-21页 |
| 2.2.3 图像大气校正 | 第21-24页 |
| 2.3 影像解译标志 | 第24-26页 |
| 2.4 本章小节 | 第26-27页 |
| 第三章 基于极限学习机的遥感图像分类 | 第27-37页 |
| 3.1 极限学习机 | 第27-30页 |
| 3.2 核函数 | 第30页 |
| 3.3 基于核函数的ELM模型 | 第30-31页 |
| 3.4 精度评价指标 | 第31-32页 |
| 3.5 分类后处理及实验结果分析 | 第32-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 基于光谱和空间信息的遥感影像两级分类器构建 | 第37-53页 |
| 4.1 光谱角度匹配法 | 第37-38页 |
| 4.2 张量及张量运算 | 第38-41页 |
| 4.2.1 矩阵克罗内克积 | 第39页 |
| 4.2.2 张量外积 | 第39页 |
| 4.2.3 张量内积，范数和距离 | 第39-40页 |
| 4.2.4 张量缩并 | 第40页 |
| 4.2.5 张量d阶展开 | 第40-41页 |
| 4.3 张量分解 | 第41-43页 |
| 4.3.1 Tucker分解 | 第41-42页 |
| 4.3.2 平行因子分解法 | 第42-43页 |
| 4.4 支持张量机 | 第43-45页 |
| 4.5 遥感影像的张量表示 | 第45-46页 |
| 4.6 两级分类器分类过程及实验分析 | 第46-52页 |
| 4.7 本章总结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表论文 | 第62-63页 |