| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状与发展趋势 | 第10-11页 |
| 1.3 研究内容及技术路线 | 第11-12页 |
| 1.4 论文章节安排 | 第12-13页 |
| 第2章 遥感数据概述及预处理 | 第13-21页 |
| 2.1 遥感数据源 | 第13-14页 |
| 2.2 遥感图像预处理 | 第14-19页 |
| 2.2.1 遥感影像预处理软件介绍 | 第15页 |
| 2.2.2 预处理流程 | 第15-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 植被的遥感特征及其提取 | 第21-33页 |
| 3.1 基于植被指数NDVI的植被提取 | 第21-24页 |
| 3.1.1 植被的光谱波段特点 | 第21-22页 |
| 3.1.2 植被指数概述 | 第22-24页 |
| 3.2 基于DS证据理论融合光谱和纹理特征的植被提取 | 第24-30页 |
| 3.2.1 植被的光谱特征提取 | 第24-25页 |
| 3.2.2 植被的纹理特征提取 | 第25-27页 |
| 3.2.3 数据归一化处理 | 第27页 |
| 3.2.4 DS证据理论概述 | 第27-29页 |
| 3.2.5 基于DS证据理论提取植被的具体步骤 | 第29-30页 |
| 3.3 植被提取结果及质量分析 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 植被分类算法及仿真 | 第33-50页 |
| 4.1 遥感分类方法概述 | 第33-36页 |
| 4.1.1 非监督分类 | 第34-35页 |
| 4.1.2 监督分类 | 第35-36页 |
| 4.2 神经网络 | 第36-40页 |
| 4.2.1 BP神经网络算法原理 | 第37-39页 |
| 4.2.2 BP神经网络的特点 | 第39页 |
| 4.2.3 BP神经网络不足及改进方法 | 第39-40页 |
| 4.3 基于BP神经网络的植被分类模型构建与仿真 | 第40-46页 |
| 4.4 分类识别精度评价 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 遥感图像植被分类与识别系统 | 第50-56页 |
| 5.1 系统环境配置 | 第50页 |
| 5.2 系统功能 | 第50-52页 |
| 5.3 影像文件信息提取 | 第52-55页 |
| 5.3.1 植被提取部分 | 第53-54页 |
| 5.3.2 植被的分类识别 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间所发表的论文 | 第62-64页 |
| 致谢 | 第64页 |