| 摘要 | 第10-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究目的及意义 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-21页 |
| 1.3.1 遥感信息提取技术研究现状 | 第15-17页 |
| 1.3.2 神经网络研究现状 | 第17-19页 |
| 1.3.3 相容粗糙集研究现状 | 第19-20页 |
| 1.3.4 相容粗糙集与神经网络相结合的研究现状 | 第20-21页 |
| 1.4 研究内容 | 第21页 |
| 1.5 研究方法及技术路线 | 第21-24页 |
| 1.5.1 研究方法 | 第21-22页 |
| 1.5.2 技术路线 | 第22-24页 |
| 第二章 研究区概况 | 第24-29页 |
| 2.1 地理位置 | 第24页 |
| 2.2 地貌 | 第24页 |
| 2.3 气象与水文 | 第24-25页 |
| 2.4 土壤 | 第25页 |
| 2.5 自然资源 | 第25-26页 |
| 2.6 湿地生态功能与价值 | 第26-27页 |
| 2.6.1 湿地生态功能 | 第26页 |
| 2.6.2 湿地价值 | 第26-27页 |
| 2.7 湿地生态环境现状 | 第27页 |
| 2.8 本章小结 | 第27-29页 |
| 第三章 相容粗糙集-BP神经网络分类模型 | 第29-39页 |
| 3.1 相容粗糙集原理 | 第29-33页 |
| 3.1.1 粗糙集基本理论 | 第29-30页 |
| 3.1.2 相容粗糙集理论 | 第30-32页 |
| 3.1.3 相似性阈值选择 | 第32页 |
| 3.1.4 相容粗糙集样本数据预处理 | 第32-33页 |
| 3.2 神经网络原理 | 第33-37页 |
| 3.2.1 人工神经网络模型 | 第33-35页 |
| 3.2.2 BP神经网络 | 第35页 |
| 3.2.3 遥感影像BP神经网络分类 | 第35-37页 |
| 3.3 相容粗糙集与BP神经网络的结合 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 数据预处理及Landsat-8数据湿地遥感分类适用性分析 | 第39-52页 |
| 4.1 数据源 | 第39-41页 |
| 4.1.1 Landsat-8数据介绍 | 第39-40页 |
| 4.1.2 数据选取 | 第40-41页 |
| 4.2 影像预处理 | 第41-45页 |
| 4.2.1 最佳波段组合 | 第41-42页 |
| 4.2.2 辐射校正 | 第42-43页 |
| 4.2.3 研究区边界提取 | 第43-44页 |
| 4.2.4 影像镶嵌和裁剪 | 第44-45页 |
| 4.3 覆被类型划分 | 第45页 |
| 4.4 样本点采集 | 第45-48页 |
| 4.5 Landsat-8数据湿地遥感分类适用性分析 | 第48-51页 |
| 4.5.1 最大似然法 | 第48-49页 |
| 4.5.2 分类执行及分类后处理 | 第49-50页 |
| 4.5.3 分类结果评价 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 相容粗糙集-BP神经网络分类实现 | 第52-68页 |
| 5.1 图像融合 | 第53页 |
| 5.2 相容粗糙集样本数据预处理 | 第53-58页 |
| 5.3 BP神经网络遥感影像分类 | 第58-59页 |
| 5.3.1 数据归一化处理 | 第58页 |
| 5.3.2 BP网络的建立 | 第58页 |
| 5.3.3 BP网络训练 | 第58-59页 |
| 5.4 实验结果分析 | 第59-63页 |
| 5.5 湿地资源监测成果 | 第63-67页 |
| 5.5.1 湿地资源信息数据库的建立 | 第63-64页 |
| 5.5.2 属性查询 | 第64-65页 |
| 5.5.3 地类面积统计 | 第65-66页 |
| 5.5.4 湿地资源现状图 | 第66-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76页 |