| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 基于人工神经网络的遥感影像分类的国内外研究进展 | 第9-10页 |
| 1.3 本论文研究内容及其安排 | 第10-14页 |
| 第二章 遥感图像自动识别分类的基本原理与方法 | 第14-24页 |
| 2.1 遥感技术的发展 | 第14-18页 |
| 2.1.1 遥感的特点 | 第14-15页 |
| 2.1.2 遥感的物理基础 | 第15-17页 |
| 2.1.3 遥感的数据源 | 第17-18页 |
| 2.1.4 遥感的应用领域 | 第18页 |
| 2.2 遥感分类的基本原理 | 第18-19页 |
| 2.3 遥感图像自动识别分类的方法 | 第19-22页 |
| 2.3.1 最小距离分类法 | 第20页 |
| 2.3.2 最大似然分类方法 | 第20-21页 |
| 2.3.3 ISODATA算法分类 | 第21页 |
| 2.3.4 基于专家知识的决策树分类 | 第21页 |
| 2.3.5 面向对象分类方法 | 第21-22页 |
| 2.4 遥感图像分类精度的评定方法 | 第22-24页 |
| 第三章 人工神经网络 | 第24-36页 |
| 3.1 神经网络工作原理 | 第24-30页 |
| 3.1.1 人工神经网络的生物学基础 | 第24-25页 |
| 3.1.2 人工神经网络 | 第25-27页 |
| 3.1.3 人工神经网络的学习算法和激活函数 | 第27-30页 |
| 3.2 神经网络模型 | 第30-36页 |
| 3.2.1 感知器神经网络 | 第30-31页 |
| 3.2.2 Hopfield神经网络 | 第31页 |
| 3.2.3 模糊神经网络 | 第31-32页 |
| 3.2.4 径向基函数神经网络 | 第32页 |
| 3.2.5 小脑模型神经网络 | 第32页 |
| 3.2.6 自组织特征映射神经网络 | 第32-33页 |
| 3.2.7 BP神经网络 | 第33-36页 |
| 第四章 在MATLAB中实现遥感图像的分类 | 第36-42页 |
| 4.1 神经网络模型的确定 | 第36页 |
| 4.2 MATLAB中神经网络的基本功能 | 第36-37页 |
| 4.3 BP学习率的优化算法分析 | 第37页 |
| 4.4 确定网络隐层的节点数 | 第37-38页 |
| 4.5 特征因子算法加入 | 第38-39页 |
| 4.6 实验过程与精度评定 | 第39-42页 |
| 第五章 ENVI二次开发 | 第42-56页 |
| 5.1 ENVI软件的简介 | 第42-48页 |
| 5.1.1 ENVI功能特点 | 第42-43页 |
| 5.1.2 ENVI文件格式 | 第43-44页 |
| 5.1.3 系统设置 | 第44-47页 |
| 5.1.4 ENVI中基于神经网络分类的剖析 | 第47-48页 |
| 5.2 IDL的语言环境 | 第48-49页 |
| 5.3 编写迭代函数 | 第49-56页 |
| 5.3.1 BP优化算法的提出 | 第50-51页 |
| 5.3.2 埃特金加速收敛算法思想 | 第51-52页 |
| 5.3.3 编写迭代函数 | 第52-56页 |
| 第六章 实验过程与结果分析 | 第56-68页 |
| 6.1 实验过程 | 第56-65页 |
| 6.2 结果分析 | 第65-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 总结 | 第68页 |
| 7.2 展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-74页 |
| 附录 | 第74页 |