| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外发展现状和存在的问题 | 第11-16页 |
| 1.2.1 空间特征提取技术研究现状分析 | 第12-13页 |
| 1.2.2 面向对象分类技术研究现状分析 | 第13-15页 |
| 1.2.3 多核支持向量机分类技术研究现状分析 | 第15-16页 |
| 1.2.4 目前存在的问题 | 第16页 |
| 1.3 论文主要研究内容及章节安排 | 第16-18页 |
| 第二章 影像分类基本理论 | 第18-26页 |
| 2.1 影像分类基本流程 | 第18页 |
| 2.2 分类器 | 第18-23页 |
| 2.2.1 数据线性可分的支持向量机 | 第20-21页 |
| 2.2.2 数据非线性可分的支持向量机 | 第21-23页 |
| 2.3 精度评价 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 高分辨率遥感影像空间特征提取与分析 | 第26-50页 |
| 3.1 空间特征提取方法 | 第26-33页 |
| 3.1.1 灰度共生矩阵 | 第26-27页 |
| 3.1.2 像元形状指数 | 第27-28页 |
| 3.1.3 增强形态学阴影指数 | 第28-30页 |
| 3.1.4 面积紧致性指数 | 第30-33页 |
| 3.2 空间特征测度图 | 第33-39页 |
| 3.2.1 GLCM特征图 | 第34-35页 |
| 3.2.2 PSI特征图 | 第35-36页 |
| 3.2.3 EMSI、EMBI及DMPs特征图 | 第36-38页 |
| 3.2.4 SCI特征图 | 第38-39页 |
| 3.3 实验与分析 | 第39-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第四章 基于最小生成树多尺度分割的面向对象分类技术 | 第50-69页 |
| 4.1 KRUSKAL算法与并查集数据结构 | 第50-53页 |
| 4.1.1 Kruskal算法 | 第50-51页 |
| 4.1.2 并查集数据结构 | 第51-53页 |
| 4.2 融合边缘信息的最小生成树多尺度分割算法 | 第53-57页 |
| 4.3 多尺度特征融合 | 第57-58页 |
| 4.4 实验与分析 | 第58-68页 |
| 4.4.1 基于最小生成树的多尺度分割算法实验 | 第58-62页 |
| 4.4.2 多尺度特征融合实验 | 第62-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 基于多核SVM的分类技术 | 第69-75页 |
| 5.1 多核学习理论 | 第69-72页 |
| 5.2 多核函数组合方式和核参数设置 | 第72页 |
| 5.3 实验与分析 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 作者简历 | 第83页 |