基于SPOT5影像数据的森林资源分类与蓄积量反演研究
| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究的目的与意义 | 第9-11页 |
| ·国内外相关研究 | 第11-14页 |
| 第二章 研究区介绍及研究数据 | 第14-16页 |
| ·研究区概貌介绍 | 第14页 |
| ·研究区数据简介 | 第14-15页 |
| ·研究技术路线 | 第15-16页 |
| 第三章 研究区遥感数据处理 | 第16-29页 |
| ·SPOT5遥感数据简介 | 第16页 |
| ·遥感影像校正 | 第16-17页 |
| ·数据融合 | 第17-18页 |
| ·植被指数生成 | 第18-20页 |
| ·分类波段选择 | 第20-29页 |
| ·变换生成的所有波段及其序号对应表 | 第20-21页 |
| ·各波段特征参数分析 | 第21-27页 |
| ·面向对象分类波段的选取 | 第27-28页 |
| ·面向像元分类波段的选择取 | 第28-29页 |
| 第四章 基于面向对象方法的遥感影像分类 | 第29-45页 |
| ·遥感影像的分割 | 第29-33页 |
| ·光谱和形状同质性度量准则 | 第30-31页 |
| ·影像分割算法 | 第31-33页 |
| ·分类算法简述 | 第33-35页 |
| ·地物提取 | 第35-43页 |
| ·精度评价 | 第43-45页 |
| 第五章 面向像元的分类 | 第45-59页 |
| ·无监分类 | 第45页 |
| ·有监分类 | 第45-46页 |
| ·分类类别的确定 | 第46页 |
| ·样本选择 | 第46-47页 |
| ·决策树分类 | 第47-56页 |
| ·决策树建立 | 第49-51页 |
| ·决策树的修剪 | 第51-52页 |
| ·确定叶结点的类别 | 第52页 |
| ·决策树验证 | 第52-53页 |
| ·研究区决策树的构建及修剪 | 第53-56页 |
| ·最大似然分类 | 第56-57页 |
| ·分类结果评价 | 第57-59页 |
| 第六章 遥感建模 | 第59-71页 |
| ·神经网络模型概述 | 第59-60页 |
| ·神经元的结构 | 第60-61页 |
| ·网络的拓扑结构 | 第61页 |
| ·BP神经网络算法 | 第61-65页 |
| ·误差传播分析 | 第65-67页 |
| ·BP学习算法的实现 | 第67-68页 |
| ·神经网络模型的建立及精度评价 | 第68-71页 |
| 第七章 总结与研究展望 | 第71-73页 |
| ·研究总结 | 第71页 |
| ·研究展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 详细摘要 | 第77-79页 |
