基于案例图像特征的ETM+图像中湖泊蓝藻水华的识别
摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-24页 |
1.1 研究背景与意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-20页 |
1.2.1 湖泊蓝藻水华的遥感识别 | 第16-19页 |
1.2.2 案例在遥感中的应用 | 第19-20页 |
1.3 研究目标和研究内容及拟解决的关键问题 | 第20-21页 |
1.3.1 研究目标 | 第20页 |
1.3.2 研究内容 | 第20-21页 |
1.3.3 拟解决的关键问题 | 第21页 |
1.4 研究方法与技术路线 | 第21-23页 |
1.4.1 研究方法 | 第21页 |
1.4.2 技术路线 | 第21-23页 |
1.5 论文的组织结构 | 第23-24页 |
第2章 研究区与数据 | 第24-33页 |
2.1 研究区概况 | 第24-27页 |
2.2 数据来源 | 第27-30页 |
2.3 图像预处理 | 第30-33页 |
2.3.1 图像研究区裁剪 | 第30页 |
2.3.2 研究区图像的云掩膜 | 第30-31页 |
2.3.3 平场域大气校正 | 第31-33页 |
第3章 蓝藻水华的图像特征和案例特征的提取 | 第33-51页 |
3.1 蓝藻水华的实测光谱特性 | 第33-34页 |
3.2 蓝藻水华的图像特征 | 第34-48页 |
3.2.1 光谱特征 | 第35-43页 |
3.2.2 纹理特征 | 第43-46页 |
3.2.3 局部空间统计特征 | 第46-48页 |
3.3 案例特征 | 第48-51页 |
3.3.1 蓝藻水华的案例图像 | 第48-49页 |
3.3.2 案例的特征提取 | 第49-51页 |
第4章 基于T检验及特征聚类的案例特征选择与确定 | 第51-68页 |
4.1 蓝藻水华的案例特征选择方法和流程 | 第51-53页 |
4.2 基于T检验的特征选择 | 第53-56页 |
4.3 基于层次聚类的特征再选择 | 第56-60页 |
4.4 案例特征终选与确定 | 第60-66页 |
4.5 案例特征库 | 第66-68页 |
第5章 基于贝叶斯判别的水华识别模型与验证 | 第68-89页 |
5.1 基于案例特征的贝叶斯判别模型 | 第68-70页 |
5.1.1 贝叶斯判别 | 第68-69页 |
5.1.2 湖泊蓝藻水华的遥感识别模型 | 第69-70页 |
5.2 模型验证与精度评价 | 第70-80页 |
5.2.1 随机验证 | 第74-76页 |
5.2.2 顺序验证 | 第76-80页 |
5.3 湖泊蓝藻水华遥感识别模型的应用验证 | 第80-89页 |
5.3.1 湖泊蓝藻水华识别流程 | 第80-82页 |
5.3.2 太湖蓝藻水华遥感识别 | 第82-84页 |
5.3.3 巢湖蓝藻水华遥感识别 | 第84-85页 |
5.3.4 滇池蓝藻水华遥感识别 | 第85-89页 |
第6章 结论与展望 | 第89-91页 |
6.1 结论 | 第89-90页 |
6.2 创新点 | 第90页 |
6.3 研究展望 | 第90-91页 |
附录A 案例图像与案例分布图 | 第91-95页 |
附录B 典型图像的局部空间统计特征 | 第95-98页 |
附录C 模型验证中案例图像的水华识别结果 | 第98-100页 |
附录D 太湖蓝藻水华识别结果 | 第100-103页 |
附录E 巢湖蓝藻水华识别结果 | 第103-105页 |
附录F 滇池蓝藻水华识别结果 | 第105-107页 |
参考文献 | 第107-114页 |
致谢 | 第114页 |