多源遥感信息快速处理与岩性信息自动提取方法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 目录 | 第10-11页 |
| 图目录 | 第11-13页 |
| 表目录 | 第13-14页 |
| 缩略语表 | 第14-16页 |
| 第1章 绪论 | 第16-21页 |
| ·研究背景与意义 | 第16-17页 |
| ·项目来源与经费支持 | 第17页 |
| ·国内外研究现状 | 第17-19页 |
| ·主要研究内容 | 第19-20页 |
| ·论文组织结构 | 第20-21页 |
| 第2章 多源遥感数据快速处理与地质信息增强 | 第21-52页 |
| ·引言 | 第21-24页 |
| ·全自动的多源遥感影像快速配准方法 | 第24-36页 |
| ·常用遥感地质信息增强方法 | 第36-41页 |
| ·覆盖区地质信息增强方法 | 第41-51页 |
| ·本章小结 | 第51-52页 |
| 第3章 遥感影像岩性分类机器学习方法 | 第52-102页 |
| ·引言 | 第52-54页 |
| ·机器学习及神经网络、支持向量机 | 第54-63页 |
| ·研究区与实验数据 | 第63-69页 |
| ·ASTER岩性信息增强 | 第69-76页 |
| ·DEM数据处理 | 第76-77页 |
| ·航磁数据处理 | 第77-78页 |
| ·多源遥感数据的SVM岩性分类模型 | 第78-92页 |
| ·基于SVM的高光谱岩性分类 | 第92-100页 |
| ·本章小结 | 第100-102页 |
| 第4章 岩性分类平滑后处理与特征选择 | 第102-112页 |
| ·引言 | 第102页 |
| ·岩性分类平滑后处理 | 第102-108页 |
| ·岩性分类特征选择 | 第108-111页 |
| ·本章小结 | 第111-112页 |
| 第5章 总结与展望 | 第112-115页 |
| ·总结 | 第112-113页 |
| ·创新成果与新进展 | 第113页 |
| ·展望 | 第113-115页 |
| 参考文献 | 第115-135页 |
| 作者简介 | 第135页 |
