| ABSTRACT | 第3-4页 |
| Chapter:1 Introduction | 第8-21页 |
| 1.1 Overview on Remote Sensing | 第8-9页 |
| 1.2 Overview on the last generation of hyperspectral remote sensing | 第9-12页 |
| 1.3 Challenge 1: Accuracy | 第12-17页 |
| 1.3.1 Object-based Classification | 第14页 |
| 1.3.2 Scale Selection Problems | 第14-15页 |
| 1.3.3 SVM | 第15-16页 |
| 1.3.4 KNN | 第16页 |
| 1.3.5 Multi-resolution Segmentation | 第16页 |
| 1.3.6 Rotation-based object-oriented (RoBOO) | 第16-17页 |
| 1.4 Challenge 2: Efficiency | 第17-19页 |
| 1.4.1 Increased volume of data | 第17页 |
| 1.4.2 Scale and Diversity | 第17-19页 |
| 1.5 Thesis Overview | 第19-21页 |
| Chapter:2 Multi-resolution Segmentation for Object-based hyperspectral remote sensing data | 第21-35页 |
| 2.1 Introduction | 第21-25页 |
| 2.2 Motivation | 第25-26页 |
| 2.2.1 Complexity | 第26页 |
| 2.2.2 Scale | 第26页 |
| 2.3 A short Review on image segmentation | 第26-27页 |
| 2.4 Design Goal | 第27-28页 |
| 2.4.1 High Quality Image Object Primitives: | 第28页 |
| 2.4.2 Multi-resolution | 第28页 |
| 2.4.3 Similar Resolution | 第28页 |
| 2.4.4 Reproducibility | 第28页 |
| 2.4.5 Universality | 第28页 |
| 2.4.6 Speed | 第28页 |
| 2.5 Criteria for the evaluation of segmentation results | 第28-29页 |
| 2.5.1 Quantitative Criteria Given | 第28-29页 |
| 2.5.2 Qualitative Criteria | 第29页 |
| 2.6 Proposed Framework | 第29-30页 |
| 2.7 Decision Heuristics | 第30-32页 |
| 2.8 Criteria for the evaluation of segmentation results | 第32-33页 |
| 2.8.1 Difference between adjacent objects | 第32页 |
| 2.8.2 Change of heterogeneity in a virtual merge | 第32-33页 |
| 2.9 Results | 第33-35页 |
| Chapter:3 Support vector machines for Object-based Hyperspectral classification of remote sensing data | 第35-57页 |
| 3.1 Introduction | 第35-39页 |
| 3.2 Support vector machine classifiers | 第39-44页 |
| 3.2.1 Training of linear SVM-maximal margin algorithm | 第39-41页 |
| 3.2.2 Training of linear SVM-soft margin algorithm | 第41-43页 |
| 3.2.3 Training of nonlinear SVM-kernel trick | 第43-44页 |
| 3.3 Classification of University of Pavia Image | 第44-45页 |
| 3.4 SVM for the classification of RS data | 第45-55页 |
| 3.5 Summary of object-basedSVM classification | 第55-57页 |
| Chapter:4 Rotation-matrix object-oriented classification of Hyperspectral Remote Sensing | 第57-67页 |
| 4.1 Overview of hyperspectral classification | 第57-59页 |
| 4.2 Rotation-Based Object-Oriented (RoBOO) | 第59-61页 |
| 4.3 Experimental Setup and Data | 第61-62页 |
| 4.4 Results and Discussion | 第62-65页 |
| 4.5 Accuracy Assessment | 第65-66页 |
| 4.6 Summary of outcomes | 第66-67页 |
| Chapter:5 Conclusions and Future Works | 第67-71页 |
| 5.1 Conclusions | 第67页 |
| 5.2 Summary and Discussion | 第67-69页 |
| 5.3 Future Developments | 第69-71页 |
| Acknowledgements | 第71-72页 |
| REFERENCES | 第72-84页 |
