| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 注释表 | 第12-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题的研究背景和意义 | 第14-16页 |
| 1.2 课题的国内外研究概况 | 第16-19页 |
| 1.2.1 土地利用遥感图像的预处理 | 第16-17页 |
| 1.2.2 土地利用分类方法 | 第17-18页 |
| 1.2.3 土地利用变化检测方法 | 第18-19页 |
| 1.3 本文的章节安排及创新点 | 第19-21页 |
| 1.3.1 本文的章节安排 | 第19页 |
| 1.3.2 本文的主要创新点 | 第19-21页 |
| 第二章 基于非下采样Shearlet变换和PLIP的土地利用遥感图像增强 | 第21-29页 |
| 2.1 引言 | 第21-22页 |
| 2.2 非下采样Shearlet变换 | 第22页 |
| 2.3 基于NSST的遥感图像增强方法 | 第22-25页 |
| 2.3.1 基于参数化对数图像处理模型的低频分量增强方法 | 第22-24页 |
| 2.3.2 基于改进模糊增强的高频分量调整 | 第24页 |
| 2.3.3 土地利用遥感图像增强的具体步骤 | 第24-25页 |
| 2.4 实验结果与分析 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 利用双树复小波变换和SURF的土地利用遥感图像配准方法 | 第29-39页 |
| 3.1 引言 | 第29-30页 |
| 3.2 双树复小波变换 | 第30页 |
| 3.3 基于双树复小波变换和SURF的遥感图像配准方法原理与步骤 | 第30-33页 |
| 3.3.1 特征点检测 | 第30-31页 |
| 3.3.2 特征点描述与匹配 | 第31-32页 |
| 3.3.3 方法步骤与流程 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 改进投影梯度NMF的NSST域土地利用遥感图像融合 | 第39-49页 |
| 4.1 引言 | 第39-40页 |
| 4.2 改进投影梯度NMF及PCNN | 第40-41页 |
| 4.2.1 改进投影梯度NMF方法 | 第40-41页 |
| 4.2.2 脉冲耦合神经网络 | 第41页 |
| 4.3 本章方法原理及步骤 | 第41-44页 |
| 4.3.1 IHS变换 | 第42页 |
| 4.3.2 基于NSST的融合规则 | 第42-44页 |
| 4.3.3 土地利用遥感图像融合步骤 | 第44页 |
| 4.4 实验结果与分析 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 基于Shearlet变换和KPCA的遥感图像土地利用变化检测 | 第49-58页 |
| 5.1 引言 | 第49-50页 |
| 5.2 图像变换和变化检测方法 | 第50-51页 |
| 5.2.1 扩展离散Shearlet变换 | 第50页 |
| 5.2.2 核主成分分析 | 第50-51页 |
| 5.3 基于Shearlet变换和KPCA的多时相遥感图像土地利用变化检测 | 第51-53页 |
| 5.4 实验结果与分析 | 第53-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 基于光谱信息、Log_gabor小波和随机森林的遥感图像土地利用分类 | 第58-66页 |
| 6.1 引言 | 第58-59页 |
| 6.2 基于光谱信息、Log_gabor小波和随机森林的遥感图像土地利用分类方法 | 第59-62页 |
| 6.2.1 基于Log_gabor小波的遥感图像纹理特征提取方法 | 第59-60页 |
| 6.2.2 随机森林分类器 | 第60-61页 |
| 6.2.3 遥感图像土地利用分类步骤与流程 | 第61-62页 |
| 6.3 实验结果与分析 | 第62-65页 |
| 6.4 本章小结 | 第65-66页 |
| 第七章 总结和展望 | 第66-68页 |
| 7.1 本文的主要工作 | 第66-67页 |
| 7.2 进一步的研究工作及展望 | 第67-68页 |
| 参考文献 | 第68-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77-78页 |
