| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·研究内容及技术路线 | 第11-13页 |
| ·研究内容 | 第11-12页 |
| ·技术路线 | 第12-13页 |
| ·论文章节安排 | 第13-15页 |
| 第二章 鄱阳湖区概况及数据预处理 | 第15-33页 |
| ·鄱阳湖区概况 | 第15-18页 |
| ·鄱阳湖区行政区划 | 第15-16页 |
| ·鄱阳湖区自然状况 | 第16页 |
| ·鄱阳湖区湿地类型 | 第16-18页 |
| ·数据获取 | 第18-21页 |
| ·遥感影像数据 | 第18-20页 |
| ·辅助数据 | 第20-21页 |
| ·遥感图像数据预处理 | 第21-27页 |
| ·图像校正 | 第21-23页 |
| ·图像融合 | 第23-24页 |
| ·图像裁剪 | 第24-25页 |
| ·最优波段组合选取 | 第25-27页 |
| ·获取训练样本数据集 | 第27-30页 |
| ·建立鄱阳湖区影像解译标志 | 第27-28页 |
| ·训练样本 | 第28-30页 |
| ·遥感影像分类精度验证 | 第30-33页 |
| ·误差矩阵 | 第31页 |
| ·Kappa 系数 | 第31-33页 |
| 第三章 基于传统遥感影像分类方法的鄱阳湖区湿地特征提取研究 | 第33-42页 |
| ·非监督分类 | 第33-36页 |
| ·K-Means 分类法 | 第33-35页 |
| ·ISODATA 分类法 | 第35-36页 |
| ·监督分类 | 第36-42页 |
| ·平行六面体分类法 | 第36-38页 |
| ·最小距离法 | 第38-40页 |
| ·最大似然法 | 第40-42页 |
| 第四章 基于决策树算法的鄱阳湖区湿地特征提取研究 | 第42-52页 |
| ·决策树算法概述 | 第42-45页 |
| ·决策树算法实现都昌县湿地特征提取 | 第45-49页 |
| ·训练样本预处理 | 第45-47页 |
| ·构建分类决策树 | 第47页 |
| ·利用决策树分类 | 第47-49页 |
| ·分类结果评价与精度验证 | 第49-52页 |
| 第五章 基于 BP 神经网络算法的鄱阳湖区湿地特征提取研究 | 第52-63页 |
| ·BP 神经网络算法概述 | 第52-55页 |
| ·BP 神经网络算法实现都昌县湿地特征提取 | 第55-61页 |
| ·BP 神经网络分类器结构设计 | 第56页 |
| ·Matlab 实现分类 | 第56-61页 |
| ·分类结果评价与精度验证 | 第61-63页 |
| 第六章 基于决策树与 BP 神经网络算法集成的鄱阳湖区湿地特征提取研究 | 第63-73页 |
| ·决策树算法与 BP 神经网络算法集成基本思想 | 第63-64页 |
| ·BP-DT-BP 算法实现都昌县湿地特征提取 | 第64-69页 |
| ·分类结果评价与精度验证 | 第69-70页 |
| ·鄱阳湖区湿地特征提取 | 第70-73页 |
| 第七章 总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间的研究成果 | 第79-80页 |
