随机森林算法在高分辨遥感影像土地覆被分类中的实现和应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1. 文献综述 | 第8-16页 |
| 1.1 土地覆被分类研究进展 | 第8-12页 |
| 1.1.1 土地覆被分类系统研究进展 | 第8-10页 |
| 1.1.2 土地覆被分类方法研究进展 | 第10-12页 |
| 1.2 随机森林及其在遥感影像分类应用的研究进展 | 第12-16页 |
| 1.2.1 随机森林 | 第12页 |
| 1.2.2 随机森林的建立 | 第12-14页 |
| 1.2.3 随机森林在遥感影像上的应用研究进展 | 第14-16页 |
| 2. 引言 | 第16-17页 |
| 3. 研究区自然概况 | 第17-19页 |
| 3.1 地理位置 | 第17页 |
| 3.2 地形地貌 | 第17页 |
| 3.3 气候 | 第17页 |
| 3.4 土壤 | 第17-18页 |
| 3.5 植被 | 第18-19页 |
| 4. 研究方法 | 第19-32页 |
| 4.1 数据源与软件环境 | 第19-20页 |
| 4.1.1 遥感影像 | 第19页 |
| 4.1.2 软件环境 | 第19-20页 |
| 4.2 遥感影像处理 | 第20-23页 |
| 4.2.1 大气顶面辐射校正 | 第20页 |
| 4.2.2 大气校正 | 第20页 |
| 4.2.3 地形校正 | 第20-21页 |
| 4.2.4 影像增强 | 第21-23页 |
| 4.3 纹理特征 | 第23-24页 |
| 4.4 训练样本的建立 | 第24-26页 |
| 4.4.1 研究区土地覆被类型 | 第24-25页 |
| 4.4.2 样地设置和地面调查 | 第25-26页 |
| 4.5 特征选择与提取 | 第26-27页 |
| 4.6 影像分类 | 第27-31页 |
| 4.6.1 随机森林算法 | 第27-28页 |
| 4.6.2 最大似然法 | 第28-29页 |
| 4.6.3 分类后处理 | 第29页 |
| 4.6.4 分类精度评价 | 第29-31页 |
| 4.7 技术路线 | 第31-32页 |
| 5. 结果与分析 | 第32-43页 |
| 5.1 影像预处理 | 第32-33页 |
| 5.1.1 影像校正 | 第32页 |
| 5.1.2 影像增强 | 第32-33页 |
| 5.2 影像分类 | 第33-43页 |
| 5.2.1 随机森林算法 | 第33-38页 |
| 5.2.2 最大似然法 | 第38-43页 |
| 6.讨论与结论 | 第43-45页 |
| 6.1 讨论 | 第43-44页 |
| 6.2 结论 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录A | 第49-51页 |
| 致谢 | 第51-52页 |
| 作者简介 | 第52-53页 |
| 在读期间发表的论文 | 第53页 |
