高光谱数据森林类型识别波段宽度适宜性研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-22页 |
| 1.2.1 高光谱遥感特点与优势 | 第15-16页 |
| 1.2.2 高光谱遥感森林类型分类方法 | 第16-19页 |
| 1.2.3 高光谱遥感降维研究现状 | 第19-22页 |
| 1.2.4 项目经费来源 | 第22页 |
| 1.3 研究目的和内容 | 第22-24页 |
| 1.3.1 关键的科学问题和研究目的 | 第22-23页 |
| 1.3.2 研究内容 | 第23-24页 |
| 1.4 技术路线 | 第24-26页 |
| 1.4.1 技术流程 | 第24页 |
| 1.4.2 论文组织与结构 | 第24-26页 |
| 第二章 研究区概况与数据 | 第26-37页 |
| 2.1 研究区概况 | 第26-29页 |
| 2.1.1 地理位置 | 第26-27页 |
| 2.1.2 地势状况 | 第27页 |
| 2.1.3 气候状况 | 第27页 |
| 2.1.4 森林资源 | 第27-29页 |
| 2.2 遥感数据获取 | 第29-33页 |
| 2.2.1 高光谱数据获取 | 第29-32页 |
| 2.2.2 多光谱数据获取 | 第32-33页 |
| 2.3 外业调查数据 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 数据预处理 | 第37-46页 |
| 3.1 高光谱数据预处理 | 第37-43页 |
| 3.1.1 去除未定标及受水汽影响波段 | 第37-38页 |
| 3.1.2 辐射定标 | 第38-39页 |
| 3.1.3 非正常像元的修复 | 第39-40页 |
| 3.1.4 大气校正 | 第40-42页 |
| 3.1.5 几何校正 | 第42-43页 |
| 3.2 多光谱数据预处理 | 第43-45页 |
| 3.2.1 辐射校正 | 第43-44页 |
| 3.2.2 图像裁剪 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第四章 波段融合降维与森林类型识别方法 | 第46-58页 |
| 4.1 融合绛维算法 | 第46-52页 |
| 4.1.1 高斯函数模拟光谱响应函数 | 第47-48页 |
| 4.1.2 小波分析 | 第48-52页 |
| 4.2 分类识别 | 第52-57页 |
| 4.2.1 森林分类系统 | 第53-54页 |
| 4.2.2 支持向量机法 | 第54-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第五章 波段融合降维算法森林类型识别结果分析 | 第58-69页 |
| 5.1 高光谱数据降维结果 | 第58-62页 |
| 5.1.1 利用光谱响应函数的融合降维结果 | 第58-60页 |
| 5.1.2 小波分析结果 | 第60-62页 |
| 5.2 分类识别结果 | 第62-68页 |
| 5.2.1 SVM分类精度评价 | 第62-65页 |
| 5.2.2 SVM分类结果图 | 第65-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-72页 |
| 6.1 结论 | 第69-70页 |
| 6.2 创新点 | 第70页 |
| 6.3 存在的问题与展望 | 第70-72页 |
| 参考文献 | 第72-79页 |
| 在读期间的学术研究 | 第79-80页 |
| 致谢 | 第80-81页 |
