| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 地理本体研究现状 | 第15-17页 |
| 1.2.2 土地覆盖分类技术研究现状 | 第17-18页 |
| 1.2.3 土地覆盖地理本体构建技术研究现状 | 第18-19页 |
| 1.3 研究内容、技术路线及结构安排 | 第19-22页 |
| 1.3.1 研究内容 | 第19页 |
| 1.3.2 技术路线 | 第19-20页 |
| 1.3.3 论文结构安排 | 第20-22页 |
| 2 相关理论与技术研究 | 第22-30页 |
| 2.1 地理本体 | 第22-26页 |
| 2.1.1 地理本体的概念 | 第22页 |
| 2.1.2 地理本体表示语言 | 第22-23页 |
| 2.1.3 地理本体构建工具 | 第23-24页 |
| 2.1.4 地理本体构建的方法 | 第24-25页 |
| 2.1.5 地理本体推理机 | 第25-26页 |
| 2.2 面向对象分类技术 | 第26-29页 |
| 2.2.1 影像分割 | 第26-27页 |
| 2.2.2 特征提取 | 第27-28页 |
| 2.2.3 面向对象分类 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 土地覆盖分类规则构建 | 第30-46页 |
| 3.1 知识驱动的土地覆盖分类规则 | 第30-40页 |
| 3.1.1 遥感影像特征 | 第30-32页 |
| 3.1.2 解译区域 | 第32页 |
| 3.1.3 影像对象特征 | 第32-37页 |
| 3.1.4 地学辅助数据 | 第37-38页 |
| 3.1.5 土地覆盖分类知识描述 | 第38-40页 |
| 3.2 数据驱动的土地覆盖分类规则 | 第40-44页 |
| 3.2.1 基于随机森林的特征优选 | 第41-43页 |
| 3.2.2 基于CART的规则构建 | 第43-44页 |
| 3.3 本章小结 | 第44-46页 |
| 4 土地覆盖分类地理本体建模 | 第46-58页 |
| 4.1 总体架构 | 第46-47页 |
| 4.2 土地覆盖类型本体建模 | 第47-49页 |
| 4.3 影像对象特征本体建模 | 第49-51页 |
| 4.4 分类器本体建模 | 第51-53页 |
| 4.4.1 决策树分类器原理 | 第51-52页 |
| 4.4.2 决策树分类器本体建模 | 第52-53页 |
| 4.5 土地覆盖分类地理本体模型 | 第53-56页 |
| 4.6 本章小结 | 第56-58页 |
| 5 地理本体建模驱动的土地覆盖分类方法与实验 | 第58-74页 |
| 5.1 实验环境 | 第58-59页 |
| 5.1.1 FeatureStation-GeoEX软件 | 第58页 |
| 5.1.2 SPM（Salford Predictive Modeler）软件 | 第58-59页 |
| 5.1.3 protégé软件 | 第59页 |
| 5.2 实验数据与研究区域 | 第59-61页 |
| 5.2.1 波兹坦航片正射影像 | 第59-60页 |
| 5.2.2 临潼区WorldView-2 | 第60-61页 |
| 5.3 地理本体驱动的土地覆盖分类方法 | 第61-62页 |
| 5.4 地理本体驱动的土地覆盖分类实验 | 第62-71页 |
| 5.4.1 地理本体模型构建 | 第62-66页 |
| 5.4.2 土地覆盖分类 | 第66-71页 |
| 5.5 结果分析 | 第71-72页 |
| 5.5.1 视觉分析 | 第71页 |
| 5.5.2 精度评价 | 第71-72页 |
| 5.6 本章小结 | 第72-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 内容总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 作者简历 | 第84-86页 |
| 学位论文数据集 | 第86页 |