| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-26页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状及存在问题 | 第13-22页 |
| 1.2.1 高分影像分类的研究现状及面临的问题 | 第13-17页 |
| 1.2.2 深度学习与其在影像分类中的研究现状及面临的问题 | 第17-22页 |
| 1.3 研究内容和组织结构 | 第22-26页 |
| 1.3.1 研究内容 | 第22-23页 |
| 1.3.2 论文组织结构 | 第23-26页 |
| 第二章 深度学习基础与分类理论 | 第26-48页 |
| 2.1 机器学习基础 | 第26-32页 |
| 2.1.1 线性回归 | 第26-28页 |
| 2.1.2 逻辑回归 | 第28-30页 |
| 2.1.3 Softmax分类器 | 第30-32页 |
| 2.2 基于深度学习的特征学习与分类 | 第32-47页 |
| 2.2.1 非监督学习 | 第34-37页 |
| 2.2.2 监督学习与分类 | 第37-47页 |
| 2.3 本章小结 | 第47-48页 |
| 第三章 基于半监督神经网络的端对端高分影像分类 | 第48-84页 |
| 3.1 背景介绍 | 第48-51页 |
| 3.2 半监督式反卷积神经网络 | 第51-62页 |
| 3.2.1 反卷积理论 | 第51-53页 |
| 3.2.2 非监督栈式卷积自编码 | 第53-56页 |
| 3.2.3 半监督式反卷积网络构架 | 第56-61页 |
| 3.2.4 基于URDNN的高分影像分类 | 第61-62页 |
| 3.3 实验与分析 | 第62-82页 |
| 3.3.1 实验数据 | 第62-63页 |
| 3.3.2 实验设计 | 第63-65页 |
| 3.3.3 实验结果与分析 | 第65-82页 |
| 3.4 本章小结 | 第82-84页 |
| 第四章 基于空间-类别信息分解的高分辨率遥感影像分类 | 第84-111页 |
| 4.1 背景介绍 | 第84-86页 |
| 4.2 信息分解式双线高分影像分类模型构建 | 第86-94页 |
| 4.2.1 基于空间信息设计的主线模型 | 第87-89页 |
| 4.2.2 基于类别信息设计的辅线模型 | 第89-91页 |
| 4.2.3 双线网络设计架构 | 第91-94页 |
| 4.3 实验与分析 | 第94-110页 |
| 4.3.1 实验数据 | 第95页 |
| 4.3.2 实验设计 | 第95-97页 |
| 4.3.3 实验结果与分析 | 第97-110页 |
| 4.4 本章小结 | 第110-111页 |
| 第五章 面向多尺度局部空间结构信息的高分影像逐像素分类 | 第111-138页 |
| 5.1 背景介绍 | 第111-113页 |
| 5.2 基于密集连接的多尺度分类模型 | 第113-120页 |
| 5.2.1 密集连接设计思路 | 第114-115页 |
| 5.2.2 基于内置分类器的伴随监督 | 第115-116页 |
| 5.2.3 多尺度网络构建 | 第116-117页 |
| 5.2.4 基于网中网结构的多尺度密集连接网络 | 第117-120页 |
| 5.3 实验与分析 | 第120-136页 |
| 5.3.1 实验数据 | 第120-121页 |
| 5.3.2 实验设计 | 第121-123页 |
| 5.3.3 实验结果与分析 | 第123-136页 |
| 5.4 本章小结 | 第136-138页 |
| 第六章 高分遥感数据的综合测试与分析 | 第138-171页 |
| 6.1 背景介绍 | 第138-139页 |
| 6.2 实验与分析 | 第139-170页 |
| 6.2.1 实验数据 | 第139页 |
| 6.2.2 实验策略 | 第139-140页 |
| 6.2.3 实验结果与分析 | 第140-170页 |
| 6.3 本章小结 | 第170-171页 |
| 第七章 总结与展望 | 第171-174页 |
| 7.1 研究内容与创新性总结 | 第171-173页 |
| 7.2 未来研究方向展望 | 第173-174页 |
| 参考文献 | 第174-183页 |
| 攻读博士期间发表的论文及参加的科研项目 | 第183-184页 |
| 致谢 | 第184-185页 |
