| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图目录 | 第9-10页 |
| 表目录 | 第10-11页 |
| 1 综述 | 第11-25页 |
| 1．1 研究背景 | 第11-12页 |
| 1．2 遥感技术在林业上的应用 | 第12-13页 |
| 1．2．1 遥感技术 | 第12页 |
| 1．2．2 遥感技术在林业上的应用 | 第12-13页 |
| 1．3 遥感分类技术综述 | 第13-17页 |
| 1．3．1 遥感图像分类技术及其应用概述 | 第13-14页 |
| 1．3．2 遥感图像自动分类新技术 | 第14-17页 |
| 1．4 林区遥感分类技术现状 | 第17-21页 |
| 1．4．1 遥感图像分类技术在林区的应用 | 第17-20页 |
| 1．4．2 针阔混交林区遥感分类技术现状 | 第20-21页 |
| 1．5 现在林区遥感分类方法存在的问题 | 第21-22页 |
| 1．6 本项目研究的意义和目的 | 第22-25页 |
| 2 资料收集与数据预处理 | 第25-40页 |
| 2．1 研究区概况 | 第25页 |
| 2．2 资料收集 | 第25-28页 |
| 2．2．1 数字化数据 | 第25-28页 |
| 2．2．2 野外数据收集 | 第28页 |
| 2．3 遥感数字图像预处理 | 第28-33页 |
| 2．3．1 图像几何校正 | 第28-30页 |
| 2．3．2 图像切割 | 第30页 |
| 2．3．3 图像辐射校正 | 第30-33页 |
| 2．4 遥感图像特征分析 | 第33-40页 |
| 2．4．1 遥感图像光谱特征分析 | 第33-35页 |
| 2．4．2 波段组合及选择分析 | 第35-37页 |
| 2．4．3 遥感图像特征提取 | 第37-40页 |
| 3 林区TM遥感图像的自动分类技术 | 第40-65页 |
| 3．1 林区TM遥感图像分类类型的划分 | 第40-41页 |
| 3．2 传统自动分类识别技术分析与试验 | 第41-47页 |
| 3．2．1 无监督分类 | 第41-44页 |
| 3．2．2 监督分类 | 第44-47页 |
| 3．3 GIS辅助下的专家分类识别系统 | 第47-54页 |
| 3．3．1 专家分类识别系统原理 | 第47-48页 |
| 3．3．2 GIS辅助下的专家分类识别系统 | 第48-50页 |
| 3．3．3 GIS辅助下的专家分类识别系统分类试验 | 第50-54页 |
| 3．4 改进型 BP神经网络分类系统 | 第54-65页 |
| 3．4．1 BP神经网络的改进 | 第56-59页 |
| 3．4．2 利用MATLAB软件构建BP神经网络分类系统 | 第59-60页 |
| 3．4．3 改进型BP神经网络分类识别系统的建立与试验 | 第60-65页 |
| 4 林区TM遥感图像自动分类精度分析 | 第65-75页 |
| 4．1 遥感图像分类精度分析概述 | 第65-67页 |
| 4．2 各种林区TM遥感图像自动分类识别技术精度分析 | 第67-75页 |
| 4．2．1 传统自动分类识别分类精度分析 | 第68-72页 |
| 4．2．2 专家分类识别系统分类 | 第72-73页 |
| 4．2．3 BP神经网络分类系统分类 | 第73-75页 |
| 5 结论与建议 | 第75-77页 |
| 5．1 结论 | 第75-76页 |
| 5．2 建议 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 附表 | 第81-84页 |
| 附图 | 第84-93页 |
| 致谢 | 第93页 |
