基于面向对象决策树算法的土地利用遥感分类初步研究--以滇西北香格里拉市为例
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第13-19页 |
| 1.1 选题目的及意义 | 第13-14页 |
| 1.2 国内外研究进展 | 第14-17页 |
| 1.2.1 面向对象的分类方法 | 第14-15页 |
| 1.2.2 决策树分类方法 | 第15-17页 |
| 1.3 主要研究内容 | 第17页 |
| 1.4 技术路线与方法 | 第17-19页 |
| 第2章 基于面向对象的决策树分类关键技术 | 第19-36页 |
| 2.1 影像分割理论 | 第19-21页 |
| 2.1.1 多尺度分割理论 | 第19-20页 |
| 2.1.2 常规分割方法 | 第20-21页 |
| 2.2 遥感影像对象特征提取 | 第21-25页 |
| 2.2.1 光谱特征 | 第22-23页 |
| 2.2.2 形状特征 | 第23-24页 |
| 2.2.3 纹理特征 | 第24-25页 |
| 2.3 决策树分类方法 | 第25-36页 |
| 2.3.1 决策树核心指标 | 第25-28页 |
| 2.3.2 常用决策树算法 | 第28-36页 |
| 第3章 基于面向对象的决策树分类过程 | 第36-48页 |
| 3.1 技术流程 | 第36页 |
| 3.2 遥感影像预处理 | 第36-38页 |
| 3.2.1 影像配准 | 第37页 |
| 3.2.2 辐射定标与大气校正 | 第37页 |
| 3.2.3 影像镶嵌与裁剪 | 第37-38页 |
| 3.3 影像分割与特征提取 | 第38-44页 |
| 3.3.1 影像分割 | 第38-39页 |
| 3.3.2 特征提取 | 第39-44页 |
| 3.4 分类方案确定与训练样本选取 | 第44-45页 |
| 3.5 决策树规则的生成与分类 | 第45-48页 |
| 3.5.1 决策树分类模型建立与规则提取 | 第46-47页 |
| 3.5.2 基于决策树规则分类 | 第47-48页 |
| 第4章 基于面向对象的决策树分类应用实例 | 第48-74页 |
| 4.1 实验数据 | 第48-51页 |
| 4.1.1 研究区概况 | 第48页 |
| 4.1.2 数据资料 | 第48-51页 |
| 4.2 试验区影像分割与特征提取 | 第51-55页 |
| 4.2.1 试验区影像分割 | 第51-53页 |
| 4.2.2 试验区特征提取 | 第53-55页 |
| 4.3 试验区决策树建立 | 第55-61页 |
| 4.3.1 样本选取 | 第55-56页 |
| 4.3.2 建立决策树 | 第56-61页 |
| 4.4 基于C5.0 和CART算法的决策树分类 | 第61-64页 |
| 4.4.1 C5.0 算法决策树分类 | 第61-63页 |
| 4.4.2 CART算法决策树分类 | 第63-64页 |
| 4.4.3 人工干预分类 | 第64页 |
| 4.5 精度评价 | 第64-74页 |
| 4.5.1 分类精度评价方法 | 第64-65页 |
| 4.5.2 精度评价 | 第65-74页 |
| 第5章 结论与展望 | 第74-76页 |
| 5.1 结论 | 第74-75页 |
| 5.2 展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读学位期间发表的学术论文和研究成果 | 第81-82页 |
| 致谢 | 第82页 |
