| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景、来源及研究的目的和意义 | 第9-10页 |
| 1.2 国内外在该方向的研究现状及分析 | 第10-15页 |
| 1.2.1 高光谱数据特征提取 | 第10-12页 |
| 1.2.2 高分辨率遥感影像信息提取 | 第12-13页 |
| 1.2.3 深度学习理论发展及应用 | 第13-14页 |
| 1.2.4 多谱遥感影像协同解译研究现状 | 第14-15页 |
| 1.3 本文主要研究内容及结构安排 | 第15-17页 |
| 第2章 基于深度置信网络的高光谱特征提取与分类 | 第17-34页 |
| 2.1 高光谱影像特性分析 | 第17-20页 |
| 2.2 经典的光谱特征提取方法 | 第20-21页 |
| 2.2.1 基于主成分分析的高光谱影像特征提取 | 第20页 |
| 2.2.2 基于非负矩阵分解的高光谱影像特征提取 | 第20-21页 |
| 2.3 深度置信网络 | 第21-25页 |
| 2.3.1 受限玻尔兹曼机原理 | 第21-24页 |
| 2.3.2 深度置信网络的贪婪学习算法 | 第24-25页 |
| 2.4 基于光谱特征的高光谱影像分类实验 | 第25-33页 |
| 2.4.1 实验数据及环境 | 第25-26页 |
| 2.4.2 基于 SVM 分类器的高光谱影像分类实验结果 | 第26-30页 |
| 2.4.3 基于深度置信网络的高光谱影像分类实验分析 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 高分辨率遥感影像多尺度分割及信息提取 | 第34-51页 |
| 3.1 高分辨率遥感影像特性分析 | 第34-35页 |
| 3.2 影像分割原理 | 第35-39页 |
| 3.2.1 分形网络演化算法 | 第35-37页 |
| 3.2.2 常用特征描述 | 第37-39页 |
| 3.3 面向对象的高分影像信息提取 | 第39-49页 |
| 3.3.1 实验数据 | 第39页 |
| 3.3.2 多尺度分割 | 第39-41页 |
| 3.3.3 基于样本的面向对象信息提取 | 第41-43页 |
| 3.3.4 基于多层次体系结构的面向对象信息提取 | 第43-49页 |
| 3.4 信息提取结果精度评价 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 多谱遥感影像空谱信息协同解译 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 实验数据 | 第51-52页 |
| 4.3 基于深度置信网络的多谱遥感影像协同解译 | 第52-60页 |
| 4.3.1 基于深度置信网络的协同解译结果 | 第53-58页 |
| 4.3.2 深度置信网络中参数的探讨 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71页 |