基于Landsat7 ETM+影像的大区域地表覆盖遥感分类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状和发展趋势 | 第11-15页 |
| ·国内外发展现状 | 第11-13页 |
| ·主要发展趋势 | 第13-15页 |
| ·论文研究目标 | 第15-16页 |
| ·论文的组织结构 | 第16-18页 |
| 第二章 研究内容与方法 | 第18-30页 |
| ·研究区概况 | 第18-19页 |
| ·研究资料 | 第19-27页 |
| ·遥感数据资料 | 第19-21页 |
| ·训练区选择 | 第21-27页 |
| ·波段组合分析 | 第21-25页 |
| ·分类系统与解译标志的建立 | 第25-27页 |
| ·其他数据资料 | 第27页 |
| ·研究内容 | 第27页 |
| ·技术路线 | 第27-30页 |
| 第三章 遥感影像特征提取 | 第30-38页 |
| ·光谱特征影像 | 第30-33页 |
| ·缨帽变换 | 第30-32页 |
| ·归一化植被指数（NDVI） | 第32-33页 |
| ·坡度特征影像 | 第33-38页 |
| 第四章 遥感影像分类方法 | 第38-54页 |
| ·最大似然分类法 | 第38-39页 |
| ·支持向量机分类法 | 第39-45页 |
| ·支持向量机的基本原理 | 第39-40页 |
| ·线性 SVM | 第40-43页 |
| ·非线性可分与核函数 | 第43-44页 |
| ·多类分类支持向量机 | 第44-45页 |
| ·决策树分类法 | 第45-54页 |
| ·决策树原理 | 第45-49页 |
| ·属性选择度量 | 第46-49页 |
| ·树剪枝 | 第49页 |
| ·CART 算法 | 第49-50页 |
| ·C4.5 算法 | 第50页 |
| ·C5.0 算法 | 第50-54页 |
| ·Boosting 算法 | 第51-52页 |
| ·成本矩阵与构造 | 第52-54页 |
| 第五章 分类实验与精度评价 | 第54-66页 |
| ·样本采集 | 第54-56页 |
| ·分类实验 | 第56-61页 |
| ·最大似然法分类 | 第56页 |
| ·支持向量机分类 | 第56-57页 |
| ·决策树分类 | 第57-61页 |
| ·精度评价 | 第61-66页 |
| ·评价指标 | 第61-63页 |
| ·精度评价分析 | 第63-66页 |
| 第六章 大区域地表覆盖产品生产 | 第66-74页 |
| ·样本采集 | 第67-68页 |
| ·影像分割矢量 | 第68-70页 |
| ·分类后处理 | 第70-71页 |
| ·结果与精度评价 | 第71-74页 |
| 第七章 总结与展望 | 第74-76页 |
| ·总结 | 第74-75页 |
| ·本文创新点 | 第75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 附录 A ：攻读硕士期间主要研究成果 | 第82页 |
