| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 引言 | 第11-18页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 遥感影像的特征分析 | 第11-12页 |
| 1.3 遥感影像分类及精度评价方法国内外现状分析 | 第12-15页 |
| 1.3.1 基于深度卷积神经网络的遥感影像分类方法研究 | 第12-13页 |
| 1.3.2 面向遥感影像分类结果的精度评价方法研究 | 第13-15页 |
| 1.4 现存问题 | 第15页 |
| 1.5 主要研究内容 | 第15-16页 |
| 1.6 章节安排 | 第16-18页 |
| 第二章 基于改进的深度卷积神经网络遥感影像分类模型 | 第18-33页 |
| 2.1 深度卷积神经网络的基本概念 | 第18-22页 |
| 2.1.1 深度卷积神经网络 | 第18-19页 |
| 2.1.2 U-Net神经网络结构 | 第19-21页 |
| 2.1.3 卷积运算的数学表达 | 第21-22页 |
| 2.2 基于改进的卷积神经网络的遥感影像分类模型总体结构 | 第22-30页 |
| 2.2.1 面向遥感影像空间位置特征的波段化处理 | 第24-25页 |
| 2.2.2 面向遥感影像多光谱特征的改进卷积结构 | 第25-30页 |
| 2.3 基于改进的卷积神经网络的遥感影像分类模型性能分析 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于灰度共生矩阵的遥感影像分类结果精度评价方法 | 第33-45页 |
| 3.1 基于灰度共生矩阵的遥感影像分类结果精度评价模型 | 第33-35页 |
| 3.1.1 精度评价的概述 | 第33页 |
| 3.1.2 灰度共生矩阵 | 第33-35页 |
| 3.1.3 基于灰度共生矩阵的遥感影像分类结果精度评价模型 | 第35页 |
| 3.2 遥感影像分类结果精度评价的参数集 | 第35-37页 |
| 3.2.1 用于分类结果准确度的精度评价参数 | 第36-37页 |
| 3.2.2 用于分类结果相似度的精度评价参数 | 第37页 |
| 3.3 基于灰度共生矩阵的分类结果精度评价方法验证 | 第37-44页 |
| 3.3.1 实验数据 | 第37-39页 |
| 3.3.2 精度评价模型的建立 | 第39-42页 |
| 3.3.3 分类精度评价结果与分析 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于遥感影像的海岛快速分类与精度评价 | 第45-54页 |
| 4.1 数据集与实验环境的准备 | 第45-48页 |
| 4.1.1 原始数据 | 第45-46页 |
| 4.1.2 数据集的构建 | 第46-47页 |
| 4.1.3 实验环境 | 第47-48页 |
| 4.2 基于改进的深度卷积神经网络海岛影像分类 | 第48-50页 |
| 4.2.1 海岛遥感影像分类模型的训练 | 第48-49页 |
| 4.2.2 海岛遥感影像分类结果 | 第49-50页 |
| 4.3 基于灰度共生矩阵的海岛分类结果精度评价 | 第50-53页 |
| 4.3.1 样本点的选取 | 第50-52页 |
| 4.3.2 精度评价结果 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 未来展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62-63页 |
| 致谢 | 第63页 |
