神经元网络在中山陵景区林业土地分类中的应用
| 第一章 综述 | 第1-17页 |
| 1 遥感技术在分类前图像预处理方面的研究现状 | 第11-12页 |
| 2 遥感影像分类研究现状 | 第12-16页 |
| 3 误差和精度评价 | 第16页 |
| 4 研究目的及意义 | 第16-17页 |
| 第二章 研究资料及研究区概况 | 第17-18页 |
| 1 研究区概况 | 第17页 |
| 2 资料收集 | 第17-18页 |
| 第三章 研究方法概述 | 第18-19页 |
| 第四章 图像预处理 | 第19-23页 |
| 1 研究区的裁取 | 第19页 |
| 2 图像精校正 | 第19页 |
| 3 研究区TM影像特征分析 | 第19-23页 |
| ·ETM+专题制图仪的物理特征 | 第19-20页 |
| ·各波段影像特征分析 | 第20-22页 |
| ·各波段的信息量分析 | 第22-23页 |
| 第五章 图像变换 | 第23-31页 |
| 1 各波段相关性分析 | 第23-24页 |
| 2 图像增强和变换 | 第24-28页 |
| ·反差增强 | 第24页 |
| ·比值增强 | 第24-25页 |
| ·主成分变换 | 第25-26页 |
| ·缨帽变换 | 第26-27页 |
| ·彩色变换 | 第27-28页 |
| 3 波段组合评价 | 第28-31页 |
| 第六章 图像分类 | 第31-43页 |
| 1 无监督分类方法 | 第31-32页 |
| 2 监督分类方法 | 第32-34页 |
| ·确定分类类别选取训练区 | 第32页 |
| ·最大似然法分类 | 第32-33页 |
| ·最小距离法分类 | 第33-34页 |
| 3 人工智能神经元网络方法 | 第34-39页 |
| ·神经网络的结构 | 第34-35页 |
| ·神经网络训练学习的数学描述 | 第35-37页 |
| ·神经网络分类的实现 | 第37-39页 |
| 4 误差来源和精度评价 | 第39-41页 |
| 5 KAPPA分析 | 第41-43页 |
| 第七章 结论与问题分析 | 第43-44页 |
| 1 结论 | 第43页 |
| 2 问题及讨论 | 第43-44页 |
| 参考文献 | 第44-51页 |
