| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究的目的与意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.4 本论文研究的主要内容 | 第13-15页 |
| 1.5 本论文技术路线图 | 第15-16页 |
| 第2章 选择研究区与数据预处理 | 第16-28页 |
| 2.1 研究区的选择 | 第16-17页 |
| 2.2 数据介绍 | 第17-19页 |
| 2.2.1 技术指标 | 第18页 |
| 2.2.2 基本参数 | 第18-19页 |
| 2.3 数据预处理 | 第19-27页 |
| 2.3.1 遥感影像预处理的技术流程 | 第20-21页 |
| 2.3.2 辐射定标和大气校正 | 第21-24页 |
| 2.3.3 几何校正 | 第24-27页 |
| 2.3.4 影像数据裁剪 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 训练样本对农作物遥感分类影响的研究框架 | 第28-45页 |
| 3.1 训练样本的选择方法 | 第28-30页 |
| 3.2 训练样本数量和质量的控制方法 | 第30-32页 |
| 3.2.1 训练样本数量的控制方法 | 第30-32页 |
| 3.2.2 训练样本质量的控制方法 | 第32页 |
| 3.3 不同遥感图像分类算法对训练样本敏感性分析方法 | 第32-42页 |
| 3.3.1 最大似然分类算法对训练样本敏感性分析方法 | 第34-35页 |
| 3.3.2 神经网络分类算法对训练样本敏感性分析方法 | 第35-38页 |
| 3.3.3 支持向量机分类算法对训练样本敏感性分析方法 | 第38-42页 |
| 3.4 精度评价的指标和方法 | 第42-44页 |
| 3.4.1 精度评价的指标 | 第43-44页 |
| 3.4.2 精度评价的方法 | 第44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 研究结果与分析 | 第45-60页 |
| 4.1 训练样本数量对农作物遥感分类精度的影响 | 第45-51页 |
| 4.2 训练样本质量对农作物遥感分类精度的影响 | 第51-57页 |
| 4.3 不同农作物分类算法对训练样本敏感性分析 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69页 |
