基于GF-2影像的宁夏特色农作物种植结构信息提取方法研究
| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 选题背景和研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 多元数据的农作物种植信息提取研究 | 第13-15页 |
| 1.2.2 不同方法的农作物种植信息提取研究 | 第15-16页 |
| 1.3 主要研究内容和技术路线 | 第16-19页 |
| 1.3.1 研究内容 | 第16-18页 |
| 1.3.2 技术路线图 | 第18-19页 |
| 第二章 研究区与数据准备 | 第19-31页 |
| 2.1 研究区概况 | 第19-21页 |
| 2.1.1 地理位置 | 第19-20页 |
| 2.1.2 地形地貌 | 第20页 |
| 2.1.3 气候状况 | 第20页 |
| 2.1.4 自然资源和经济发展 | 第20-21页 |
| 2.2 数据源及其特征介绍 | 第21-23页 |
| 2.2.1 高分二号数据 | 第21页 |
| 2.2.2 地面采集数据 | 第21-23页 |
| 2.3 数据预处理 | 第23-28页 |
| 2.3.1 遥感数据预处理 | 第23-27页 |
| 2.3.2 地物光谱数据预处理 | 第27-28页 |
| 2.4 分类精度评价指标 | 第28-31页 |
| 第三章 特色农作物特征提取与分析 | 第31-44页 |
| 3.1 遥感影像特征分析 | 第31-38页 |
| 3.1.1 GF-2遥感影像最佳波段组合选取 | 第31-33页 |
| 3.1.2 特色农作物影像光谱特征提取与分析 | 第33-34页 |
| 3.1.3 特色农作物影像纹理特征提取与分析 | 第34-38页 |
| 3.1.4 植被指数特征提取与分析 | 第38页 |
| 3.2 实测光谱数据分析 | 第38-44页 |
| 3.2.1 特色农作物光谱反射率分析 | 第39-40页 |
| 3.2.2 特色农作物光谱特征参数提取与分析 | 第40-44页 |
| 第四章 基于像素的特色农作物种植信息提取 | 第44-50页 |
| 4.1 光谱角制图算法的分类 | 第44-47页 |
| 4.1.1 光谱角制图算法理论基础 | 第44-45页 |
| 4.1.2 分类结果与精度评价 | 第45-47页 |
| 4.2 光谱单数据源的最大似然法分类 | 第47-50页 |
| 4.2.1 最大似然法理论基础 | 第47-48页 |
| 4.2.2 光谱单数据源分类结果与精度评价 | 第48页 |
| 4.2.3 光谱结合纹理分类结果与精度评价 | 第48-50页 |
| 第五章 基于对象的特色农作物种植信息提取 | 第50-65页 |
| 5.1 面向对象图像分割 | 第50-53页 |
| 5.1.1 图像分割算法 | 第50-51页 |
| 5.1.2 面向对象图像分割 | 第51-53页 |
| 5.2 支持向量机(SVM)分类器原理 | 第53-55页 |
| 5.3 支持向量机参数优化 | 第55-60页 |
| 5.3.1 K次交叉验证法 | 第56-57页 |
| 5.3.2 启发式遗传算法(GA)参数优化 | 第57-58页 |
| 5.3.3 粒子群算法(PSO)参数优化 | 第58-60页 |
| 5.4 面向对象SVM分类结果 | 第60-62页 |
| 5.5 不同分类模型结果对比分析 | 第62-65页 |
| 结论与展望 | 第65-68页 |
| 6.1 结论 | 第65-66页 |
| 6.2 不足与展望 | 第66-68页 |
| 参考文献 | 第68-75页 |
| 攻读学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76页 |
