| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究意义 | 第12-13页 |
| ·研究背景 | 第13-14页 |
| ·国内外研究进展 | 第14-18页 |
| ·模式识别国内外研究进展 | 第14-16页 |
| ·遥感专题信息提取国内外研究进展 | 第16-18页 |
| ·研究内容 | 第18页 |
| ·技术路线与章节安排 | 第18-20页 |
| 第2章 专题分类中的模式识别方法 | 第20-34页 |
| ·专题分类 | 第20页 |
| ·非监督分类 | 第20-28页 |
| ·相似性度量 | 第22-23页 |
| ·K-均值聚类方法 | 第23-24页 |
| ·ISODATA 方法 | 第24-28页 |
| ·监督分类 | 第28-30页 |
| ·最大似然分类法 | 第28-29页 |
| ·最小距离分类法 | 第29-30页 |
| ·其他分类方法 | 第30-31页 |
| ·人工神经网络方法 | 第30页 |
| ·支持向量机 | 第30-31页 |
| ·多分类器集成 | 第31页 |
| ·Bagging 算法 | 第31页 |
| ·Boosting 算法 | 第31页 |
| ·分类精度评价 | 第31-33页 |
| ·生产精度 | 第32页 |
| ·用户精度 | 第32页 |
| ·总体精度 | 第32-33页 |
| ·Kappa系数 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于局部联合直方图的多光谱遥感图像特征提取 | 第34-40页 |
| ·特征提取方法简介 | 第34-35页 |
| ·主成分分析 | 第34页 |
| ·独立成分分析 | 第34-35页 |
| ·核主成分分析 | 第35页 |
| ·基于局部联合直方图的特征提取 | 第35-39页 |
| ·预处理 | 第35-36页 |
| ·DN 值量化 | 第36-37页 |
| ·局部联合直方图 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于K-均值聚类集成的多光谱遥感图像分割 | 第40-64页 |
| ·遥感图像分割 | 第40-44页 |
| ·分割的定义 | 第41-42页 |
| ·遥感图像分割算法概述 | 第42-44页 |
| ·基于K-均值聚类集成的多光谱遥感图像分割 | 第44-48页 |
| ·相关系数 | 第45-46页 |
| ·波段划分 | 第46页 |
| ·波段组合 | 第46页 |
| ·用K-均值聚类方法进行初步分割 | 第46-47页 |
| ·集成策略 | 第47-48页 |
| ·实验结果与分析 | 第48-62页 |
| ·分割结果评价 | 第48页 |
| ·合成影像数据集 | 第48-55页 |
| ·Landsat-7 ETM+数据集 | 第55-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 基于对象的多光谱遥感图像分类 | 第64-78页 |
| ·基于对象的遥感图像分类 | 第64-68页 |
| ·基于对象分类概述 | 第64-68页 |
| ·基于对象分类方法 | 第68页 |
| ·实验结果与评价 | 第68-77页 |
| ·合成影像数据集 | 第68-71页 |
| ·Landsat-7 ETM+数据集 | 第71-77页 |
| ·本章小结 | 第77-78页 |
| 第6章 结论与展望 | 第78-81页 |
| ·结论 | 第78-79页 |
| ·创新点 | 第79页 |
| ·展望 | 第79-81页 |
| 参考文献 | 第81-93页 |
| 致谢 | 第93-95页 |
| 在学期间公开发表论文及著作情况 | 第95页 |