基于SVM的多源遥感分类的竹林信息提取方法研究--以福建省顺昌县为例
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 前言 | 第9-10页 |
| 1 竹林信息提取技术的国内外研究动态 | 第10-13页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·研究背景 | 第11-13页 |
| ·我国竹资源管理存在的问题 | 第11页 |
| ·遥感技术的特点与竹资源管理 | 第11-13页 |
| 2 研究的目的和意义 | 第13-14页 |
| ·研究的目的和意义 | 第13页 |
| ·研究内容 | 第13-14页 |
| 3 技术路线和数据预处理 | 第14-26页 |
| ·论文研究的技术路线 | 第14页 |
| ·研究区概况 | 第14-15页 |
| ·数据获取 | 第15-20页 |
| ·影像数据 | 第15-19页 |
| ·其它数据 | 第19-20页 |
| ·数据预处理 | 第20-25页 |
| ·数据校正 | 第20-21页 |
| ·影像的镶嵌 | 第21-22页 |
| ·影像融合 | 第22页 |
| ·影像融合 | 第22-23页 |
| ·融合结果评价和分析 | 第23-25页 |
| ·小结 | 第25-26页 |
| 4 遥感分类方法及SVM理论 | 第26-40页 |
| ·遥感分类方法的发展 | 第26-29页 |
| ·传统的统计模式分类方法 | 第26-27页 |
| ·模式分类的新方法 | 第27-29页 |
| ·小结 | 第29页 |
| ·SVM理论在影像信息提取中的应用现状 | 第29页 |
| ·SVM的基础理论 | 第29-40页 |
| ·统计学习理论 | 第30-33页 |
| ·SVM的提出 | 第33-35页 |
| ·SVM核函数 | 第35-37页 |
| ·构造支持向量机 | 第37-38页 |
| ·高分辨率影像和SVM理论 | 第38-40页 |
| 5 分类实验 | 第40-57页 |
| ·遥感数据分析 | 第40-42页 |
| ·波段选择 | 第40-41页 |
| ·TM竹林光谱特征分析 | 第41-42页 |
| ·基于光谱知识的竹林信息提取 | 第42-44页 |
| ·SVM分类 | 第44-47页 |
| ·遥感解译标志的建立 | 第45页 |
| ·多类分类方法及优缺点 | 第45-46页 |
| ·模型选择 | 第46页 |
| ·数据训练和核函数选择 | 第46-47页 |
| ·C参数的确定 | 第47页 |
| ·试验结果及精度评价 | 第47-57页 |
| ·分类结果 | 第47-51页 |
| ·精度评价指标 | 第51-52页 |
| ·SVM分类与其它分类方法比较分析 | 第52-55页 |
| ·结果验证 | 第55-57页 |
| 6 结论与讨论 | 第57-59页 |
| ·结论 | 第57页 |
| ·讨论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 个人简介 | 第63-64页 |
| 导师简介 | 第64-65页 |
| 致谢 | 第65页 |
