基于高分辨率遥感影像的地类区划--以浙江省龙泉市为例
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究内容与技术路线 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 技术路线 | 第12-13页 |
| 第二章 研究区概况与数据准备 | 第13-15页 |
| 2.1 研究区概况 | 第13页 |
| 2.1.1 自然地理概况 | 第13页 |
| 2.1.2 社会经济概况 | 第13页 |
| 2.2 数据准备 | 第13-15页 |
| 第三章 数据预处理 | 第15-23页 |
| 3.1 几何校正 | 第15-16页 |
| 3.2 辐射校正 | 第16页 |
| 3.3 裁剪试验区 | 第16页 |
| 3.4 原始波段最佳组合确定 | 第16-17页 |
| 3.5 图像融合 | 第17-23页 |
| 3.5.1 图像融合方法 | 第17-19页 |
| 3.5.2 融合结果评价 | 第19-23页 |
| 第四章 遥感图像分类研究 | 第23-30页 |
| 4.1 分类类别确定 | 第23页 |
| 4.2 训练样本选择 | 第23页 |
| 4.3 分类器选择 | 第23-26页 |
| 4.3.1 马氏距离分类法 | 第24页 |
| 4.3.2 最大似然分类 | 第24页 |
| 4.3.3 神经元网络分类法 | 第24-25页 |
| 4.3.4 支持向量机分类 | 第25-26页 |
| 4.4 分类精度评价 | 第26-30页 |
| 4.4.1 分类评价指标 | 第26-27页 |
| 4.4.2 分类精度评价方法 | 第27-30页 |
| 第五章 基于面向对象的地类信息提取 | 第30-43页 |
| 5.1 面向对象eCognition多尺度分割 | 第30-32页 |
| 5.1.1 图像分割定义 | 第30页 |
| 5.1.2 多尺度分割定义 | 第30页 |
| 5.1.3 多尺度分割参数 | 第30-32页 |
| 5.2 多尺度分割试验 | 第32-37页 |
| 5.2.1 分割尺度参数试验 | 第32-34页 |
| 5.2.2 波段权重参数试验 | 第34-35页 |
| 5.2.3 均质性参数试验 | 第35-36页 |
| 5.2.4 最优分割尺度确定 | 第36-37页 |
| 5.3 面向对象分类研究 | 第37-41页 |
| 5.3.1 模糊分类器 | 第37-38页 |
| 5.3.2 对象特征提取 | 第38-39页 |
| 5.3.3 模糊分类 | 第39-41页 |
| 5.4 面向对象分类精度评价 | 第41页 |
| 5.5 本章小结 | 第41-43页 |
| 第六章 分类后信息提取与应用 | 第43-48页 |
| 6.1 土地利用变化信息提取 | 第43-45页 |
| 6.1.1 土地利用数量变化分析 | 第43-44页 |
| 6.1.2 土地利用类型转换状况分析 | 第44-45页 |
| 6.2 小班边界的提取 | 第45-48页 |
| 6.2.1 基于面向对象小班边界提取 | 第45-46页 |
| 6.2.2 小班边界生成 | 第46-48页 |
| 第七章 结论与讨论 | 第48-50页 |
| 7.1 主要结论 | 第48-49页 |
| 7.2 存在问题和讨论 | 第49-50页 |
| 参考文献 | 第50-53页 |
