| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 面向对象的遥感图像分类 | 第10-11页 |
| 1.1.2 多分类器系统 | 第11-12页 |
| 1.2 课题来源、研究内容与组织结构 | 第12-14页 |
| 1.2.1 课题来源 | 第12页 |
| 1.2.2 研究内容 | 第12-13页 |
| 1.2.3 组织结构 | 第13-14页 |
| 第二章 特征选择与多分类器系统 | 第14-26页 |
| 2.1 特征选择 | 第14-18页 |
| 2.1.1 特征抽取与选择的基本概念 | 第14-15页 |
| 2.1.2 特征选择模型 | 第15-16页 |
| 2.1.3 特征选择相关技术 | 第16-18页 |
| 2.2 多分类器系统 | 第18-24页 |
| 2.2.1 多分类器系统概述 | 第19-20页 |
| 2.2.2 多分类器系统结构 | 第20-21页 |
| 2.2.3 多分类器系统举例 | 第21-23页 |
| 2.2.4 多分类器系统在高分辨率遥感分类中的应用 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 遗传算法的基本原理 | 第26-42页 |
| 3.1 遗传算法概述 | 第26-31页 |
| 3.1.1 遗传算法的基本思想 | 第26-27页 |
| 3.1.2 遗传算法的结构 | 第27-28页 |
| 3.1.3 遗传算法的基本流程 | 第28-31页 |
| 3.2 遗传算法的数学理论 | 第31-33页 |
| 3.2.1 模式定理 | 第31页 |
| 3.2.2 积木块假设 | 第31-32页 |
| 3.2.3 隐含并行性 | 第32-33页 |
| 3.3 遗传算法的基本实现技术 | 第33-41页 |
| 3.3.1 遗传编码 | 第33-34页 |
| 3.3.2 适应度函数与定标 | 第34-36页 |
| 3.3.3 遗传算子 | 第36-40页 |
| 3.3.4 遗传算法参数设置 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于遗传算法的特征选择与多分类器系统 | 第42-66页 |
| 4.1 面向对象的分类技术 | 第42-44页 |
| 4.1.1 面向对象分类技术的提出 | 第42页 |
| 4.1.2 面向对象的分类过程 | 第42-44页 |
| 4.1.3 面向对象分类的优势 | 第44页 |
| 4.2 高分辨率遥感图像的对象特征 | 第44-48页 |
| 4.2.1 光谱特征 | 第44-45页 |
| 4.2.2 形状特征 | 第45-46页 |
| 4.2.3 纹理特征 | 第46-48页 |
| 4.3 基于遗传算法的特征选择 | 第48-51页 |
| 4.3.1 遗传编码方式 | 第48-49页 |
| 4.3.2 适应度函数 | 第49-50页 |
| 4.3.3 遗传算子与参数设置 | 第50-51页 |
| 4.4 基于遗传算法的多分类器系统 | 第51-54页 |
| 4.4.1 系统结构 | 第51-52页 |
| 4.4.2 遗传编码方式 | 第52-54页 |
| 4.4.3 适应度函数、遗传算子及参数设置 | 第54页 |
| 4.5 分类实验设计与结果分析 | 第54-65页 |
| 4.5.1 实验方案 | 第54-55页 |
| 4.5.2 实验结果与分析 | 第55-63页 |
| 4.5.3 实验总结 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 全文总结 | 第66-68页 |
| 5.1 主要结论 | 第66页 |
| 5.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间已发表或录用的论文 | 第74-76页 |