| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-18页 |
| 1.1 论文研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 数字地形量化研究现状 | 第10-12页 |
| 1.2.2 纹理特征量化提取方法 | 第12-14页 |
| 1.3 研究内容与技术路线 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 研究方法与特色 | 第16页 |
| 1.5 章节安排 | 第16-18页 |
| 第二章 研究理论基础 | 第18-23页 |
| 2.1 研究区域概况 | 第18-19页 |
| 2.2 实验样本选取 | 第19-21页 |
| 2.2.1 样本选取原则 | 第19页 |
| 2.2.2 样本选取依据 | 第19页 |
| 2.2.3 实验样本选取结果 | 第19-21页 |
| 2.3 研究原理与技术 | 第21-23页 |
| 2.3.1 图像处理技术概念及特点 | 第21-22页 |
| 2.3.2 灰度共生矩阵 | 第22-23页 |
| 第三章 灰度共生矩阵模型的构造因子选择 | 第23-37页 |
| 3.1 地形数据预处理 | 第23-27页 |
| 3.1.1 地形数据衍生 | 第23-26页 |
| 3.1.2 地形数据的灰度域映射 | 第26-27页 |
| 3.2 灰度共生矩阵量化模型 | 第27-30页 |
| 3.2.1 GLCM地形特征量化模型及其特征参数总结 | 第27-28页 |
| 3.2.2 灰度共生矩阵模型构建与计算 | 第28-29页 |
| 3.2.3 灰度共生矩阵纹理特征提取算法过程 | 第29-30页 |
| 3.3 模型构造因子选取对模型纹理特征的影响 | 第30-36页 |
| 3.3.1 灰度量化级数选择分析 | 第30页 |
| 3.3.2 栅格点对距离对纹理特征的影响分析 | 第30-33页 |
| 3.3.3 角度方向取值对纹理特征参数的影响分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 纹理特征参数基于分辨率改变的尺度效应 | 第37-44页 |
| 4.1 数字地形分析的尺度效应 | 第37页 |
| 4.2 多尺度数据序列构建 | 第37-38页 |
| 4.2.1 实验样区的选择 | 第37-38页 |
| 4.2.2 DEM数据重采样 | 第38页 |
| 4.2.3 纹理特征参数归一化处理 | 第38页 |
| 4.3 不同数据各参数的尺度效应 | 第38-42页 |
| 4.3.1 DEM数据分析 | 第39-40页 |
| 4.3.2 光照模拟数据分析 | 第40-41页 |
| 4.3.3 坡度数据分析 | 第41-42页 |
| 4.3.4 曲率数据分析 | 第42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 基于GLCM的地形纹理量化分析 | 第44-66页 |
| 5.1 基于GLCM各参数的地形纹理分析 | 第44-52页 |
| 5.1.1 角二阶矩特征 | 第44-45页 |
| 5.1.2 对比度特征 | 第45-46页 |
| 5.1.3 相关度特征 | 第46-47页 |
| 5.1.4 方差与方差和特征 | 第47-48页 |
| 5.1.5 逆差矩特征 | 第48-49页 |
| 5.1.6 熵、和熵以及差熵特征 | 第49-50页 |
| 5.1.7 均值和特征 | 第50-51页 |
| 5.1.8 差的方差特征 | 第51-52页 |
| 5.2 基于主成分分析的纹理参数归类 | 第52-56页 |
| 5.2.1 主成分分析思想 | 第52-53页 |
| 5.2.2 主成分数学模型 | 第53-54页 |
| 5.2.3 纹理特征参数归类 | 第54-56页 |
| 5.3 地形纹理特征量化分析 | 第56-64页 |
| 5.3.1 地形纹理的方向性分析 | 第56-58页 |
| 5.3.2 地形纹理复杂性与周期性分析 | 第58-62页 |
| 5.3.3 纹理综合指标量化分析 | 第62-64页 |
| 5.4 本章小结 | 第64-66页 |
| 结论与展望 | 第66-68页 |
| 研究结论 | 第66-67页 |
| 不足与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第73页 |