| 中文摘要 | 第4-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-33页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究进展 | 第15-28页 |
| 1.2.1 湿地遥感调查研究进展 | 第15-19页 |
| 1.2.2 湿地土地覆被自动分类研究进展 | 第19-25页 |
| 1.2.3 深度学习分类研究进展 | 第25-27页 |
| 1.2.4 存在的问题 | 第27-28页 |
| 1.3 研究内容、技术流程及创新点 | 第28-31页 |
| 1.3.1 研究内容与方法 | 第28-29页 |
| 1.3.2 技术流程 | 第29-30页 |
| 1.3.3 创新点 | 第30-31页 |
| 1.4 本章小结 | 第31-33页 |
| 第2章 极化SAR理论基础 | 第33-63页 |
| 2.1 极化电磁波的表征 | 第33-36页 |
| 2.1.1 极化椭圆 | 第33-34页 |
| 2.1.2 Jones矢量 | 第34-35页 |
| 2.1.3 Stokes矢量 | 第35-36页 |
| 2.2 目标的极化散射矩阵 | 第36-38页 |
| 2.2.1 Sinclair散射矩阵 | 第36-37页 |
| 2.2.2 极化相干矩阵和极化协方差矩阵 | 第37-38页 |
| 2.3 典型地物散射特性 | 第38-39页 |
| 2.4 目标极化分解 | 第39-61页 |
| 2.4.1 极化相干分解 | 第39-43页 |
| 2.4.2 Huynen分解 | 第43-47页 |
| 2.4.3 Cloude分解 | 第47-54页 |
| 2.4.4 Freeman分解 | 第54-61页 |
| 2.5 本章小结 | 第61-63页 |
| 第3章 研究区概况与数据源 | 第63-77页 |
| 3.1 研究区概况 | 第63-65页 |
| 3.1.1 地理位置 | 第63-64页 |
| 3.1.2 自然环境 | 第64-65页 |
| 3.1.3 生态资源状况 | 第65页 |
| 3.2 遥感数据选择和预处理 | 第65-70页 |
| 3.2.1 多光谱数据和预处理 | 第65-67页 |
| 3.2.2 雷达数据和预处理 | 第67-70页 |
| 3.2.3 光学影像与雷达影像空间配准 | 第70页 |
| 3.3 野外实地调查 | 第70-75页 |
| 3.4 本章小结 | 第75-77页 |
| 第4章 遥感影像特征选择与分析 | 第77-97页 |
| 4.1 特征选择核心理论 | 第77-86页 |
| 4.1.1 特征选择方法的种类 | 第78-80页 |
| 4.1.2 ReliefF-RF特征选择算法基本原理 | 第80-86页 |
| 4.2 实验与分析 | 第86-96页 |
| 4.2.1 ReliefF-RF特征选择算法实验 | 第86-90页 |
| 4.2.2 ReliefF-RF特征选择结果对比分析 | 第90-96页 |
| 4.3 本章小结 | 第96-97页 |
| 第5章 湿地土地覆被分类研究 | 第97-141页 |
| 5.1 分类研究核心理论 | 第97-118页 |
| 5.1.1 浅层学习模型 | 第97-103页 |
| 5.1.2 深度学习模型 | 第103-117页 |
| 5.1.3 分类精度评价 | 第117-118页 |
| 5.2 实验与分析 | 第118-139页 |
| 5.2.1 浅层学习模型分类结果评价与分析 | 第118-130页 |
| 5.2.2 深度学习模型分类结果评价与分析 | 第130-137页 |
| 5.2.3 浅层学习与深度学习分类结果对比分析 | 第137-139页 |
| 5.3 本章小结 | 第139-141页 |
| 第6章 结论与展望 | 第141-145页 |
| 6.1 结论 | 第141-142页 |
| 6.2 展望 | 第142-145页 |
| 参考文献 | 第145-161页 |
| 作者简介及在学期间所取得的科研成果 | 第161-163页 |
| 致谢 | 第163-164页 |