支持向量机结合面向对象提取尾矿库的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 选题背景和研究意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 支持向量机分类研究现状 | 第12-13页 |
| 1.2.2 影像分割研究现状 | 第13-14页 |
| 1.3 研究内容和技术路线 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 2 研究区概况及数据预处理 | 第16-31页 |
| 2.1 试验区及数据源说明 | 第16-17页 |
| 2.1.1 研究区概况 | 第16-17页 |
| 2.1.2 数据源介绍 | 第17页 |
| 2.2 遥感图像预处理 | 第17-30页 |
| 2.2.1 辐射定标 | 第19-20页 |
| 2.2.2 大气校正 | 第20-22页 |
| 2.2.3 图像融合 | 第22-30页 |
| 2.3 小结 | 第30-31页 |
| 3 SVM基于像素级的分类 | 第31-45页 |
| 3.1 支持向量机相关理论 | 第31-35页 |
| 3.2 特征选择及融合 | 第35-41页 |
| 3.2.1 光谱特征 | 第35-37页 |
| 3.2.2 纹理特征 | 第37-40页 |
| 3.2.3 特征融合 | 第40-41页 |
| 3.3 样本选择 | 第41-42页 |
| 3.4 参数及核函数的选择 | 第42-43页 |
| 3.5 实现分类 | 第43-44页 |
| 3.6 小结 | 第44-45页 |
| 4 对象级分类并提取尾矿库 | 第45-58页 |
| 4.1 影像分割 | 第45-53页 |
| 4.1.1 FNEA分割算法原理 | 第46-47页 |
| 4.1.2 波段选择 | 第47-51页 |
| 4.1.3 分割参数的选择 | 第51-53页 |
| 4.2 对象级提取尾矿库 | 第53-54页 |
| 4.3 提取结果分析 | 第54-57页 |
| 4.3.1 定性评价 | 第54-56页 |
| 4.3.2 定量评价 | 第56-57页 |
| 4.4 小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 论文全文总结 | 第58-59页 |
| 5.2 不足之处与展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-67页 |
