| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 引言 | 第10-13页 |
| ·研究背景 | 第10-12页 |
| ·研究内容 | 第12页 |
| ·本文的结构安排 | 第12-13页 |
| 第二章 遥感分类方法概述 | 第13-23页 |
| ·遥感图像分类方法的基本原理 | 第13-16页 |
| ·基于统计的遥感图像分类方法 | 第16-19页 |
| ·常见的监督分类算法 | 第16-18页 |
| ·常见的非监督分类算法 | 第18-19页 |
| ·几种现有的遥感分类方法 | 第19-22页 |
| ·神经网络分类法 | 第19-20页 |
| ·支持向量机分类法(SVM) | 第20-21页 |
| ·面向对象遥感影像分类 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 高斯混合分布模型与EM 算法 | 第23-35页 |
| ·高斯混合分布模型 | 第23-24页 |
| ·混合模型 | 第23页 |
| ·有限高斯混合模型 | 第23-24页 |
| ·混合密度的EM 参数估计算法 | 第24-28页 |
| ·EM 和 K-means 的关系 | 第28-29页 |
| ·遥感图象EM 分类算法 | 第29-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于对数-主成分变换的EM 算法用于遥感分类 | 第35-43页 |
| ·对数变换 | 第35页 |
| ·主成分分析 | 第35-39页 |
| ·对数-主成分变换的EM 算法 | 第39页 |
| ·应用 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 SAR 图像滤波方法和EM 算法在城市变化识别中的应用研究 | 第43-51页 |
| ·斑点噪声的数学表达与斑点噪声滤波方法分析 | 第43-48页 |
| ·Lee 滤波方法及其增强算法 | 第43-44页 |
| ·Frost 滤波方法及其增强算法 | 第44-45页 |
| ·Kuan 滤波器 | 第45页 |
| ·Gamma MAP 滤波器 | 第45页 |
| ·小波变换滤波 | 第45-46页 |
| ·实验结果和算法应用分析 | 第46-48页 |
| ·EM 算法在城市变化识别中的应用 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-57页 |