| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·选题依据 | 第8页 |
| ·遥感自动分类技术的国内外研究进展 | 第8-10页 |
| ·国内研究进展 | 第8-9页 |
| ·国外研究进展 | 第9-10页 |
| ·研究内容和意义 | 第10-12页 |
| ·研究内容 | 第10页 |
| ·研究意义 | 第10-12页 |
| 第二章 森林植被遥感自动分类方法分析 | 第12-16页 |
| ·传统遥感分类方法 | 第12页 |
| ·监督分类方法 | 第12页 |
| ·非监督分类方法 | 第12页 |
| ·目前常用的森林植被自动分类新技术 | 第12-16页 |
| ·植被指数分类方法 | 第13-14页 |
| ·基于多时相、多源遥感数据的分类方法 | 第14页 |
| ·基于纹理的分类方法 | 第14-15页 |
| ·人工神经网络分类方法 | 第15-16页 |
| 第三章 试验数据的处理与分析 | 第16-24页 |
| ·研究区概况 | 第16-17页 |
| ·实验数据的获取 | 第17页 |
| ·数据的预处理 | 第17-21页 |
| ·GIS 数据的处理 | 第17页 |
| ·遥感数据的处理 | 第17-21页 |
| ·最佳波段选择 | 第21-24页 |
| ·遥感影像特征分析 | 第21-22页 |
| ·主成分分析 | 第22-24页 |
| 第四章 柳河县北部山区森林植被的遥感自动分类试验 | 第24-43页 |
| ·植被分类类别的确定 | 第24页 |
| ·林地边界的提取 | 第24-28页 |
| ·植被指数提取法 | 第25-27页 |
| ·监督分类提取法 | 第27-28页 |
| ·森林植被的遥感分类 | 第28-38页 |
| ·训练样本的选择 | 第28页 |
| ·基于BP 学习算法的遥感分类 | 第28-31页 |
| ·基于SOM 网络的遥感分类 | 第31-35页 |
| ·基于有监督的ART 映射模型（FUZZY-ARTMAP）的遥感分类 | 第35-38页 |
| ·分类结果的验证与分析 | 第38-43页 |
| ·分类精度评估指标 | 第39-40页 |
| ·遥感图像自动分类的精度分析 | 第40-43页 |
| 第五章 结论与展望 | 第43-45页 |
| ·结论 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 后记 | 第49页 |