摘要5-6
Abstract6-8
目录8-11
Contents11-14
1 引言14-19
1.1 课题背景14
1.2 国内外探讨近况14-16
1.3 BP网络分类的基本原理16-17
1.4 本论文的探讨目的和工作内容17-19
2 神经网络基本原理19-31
2.1 人工神经网络概述19
2.1.1 生物学基础19
2.2 神经网络模型19-21
2.2.1 数学模型20
2.2.2 基函数以及激活函数20-21
2.3 神经网络的拓扑结构21-23
2.3.1 BP神经网络21-22
2.3.2 反馈神经网络22-23
2.4 神经元的学习形式23-24
2.4.1 Hebb学习算法23
2.4.2 最速下降法23-24
2.5 典型的神经网络模型24-27
2.5.1 RBF神经网络24-25
2.5.2 Hopfield神经网络25-26
2.5.3 SOFM神经网络26-27
2.6 BP神经网络原理27-30
2.6.1 BP算法27-30
2.7 本章小结30-31
3 遥感图像原理及分类策略31-39
3.1 遥感图像概述31-33
3.2 传统的方式策略33-36
3.3 句法方式分类策略36-37
3.4 分类策略的评价37-38
3.5 本章小结38-39
4 遥感图像预处理中的相关技术39-57
4.1 概述39
4.2 遥感图像一般处理历程39-42
4.2.1 图像的数字化处理40-41
4.2.2 图像数据预处理41-42
4.2.2.1 图像降噪41-42
4.3 遥感图像特点提取42-46
4.3.1 图像的光谱特点的提取43-44
4.3.2 遥感图像纹理特点的提取44-46
4.4 遥感图像处理的数据融合技术46-48
4.4.1 像素级数据融合46-47
4.4.2 特点级数据融合47-48
4.4.3 决策级数据融合48
4.5 光谱特点与纹理特点的融合48-53
4.6 分类效果评价策略53-56
4.7 本章小结56-57
5 改善算法的分类结果及评价57-71
5.1 遗传算法57-59
5.2 GA-BP神经网络分类器59-63
5.2.1 分类器概述59-60
5.2.2 GA算法训练60-63
5.3 BP网络平台63-65
5.465-69
5.4.1 BP网络对遥融合图像的训练效果65-68
5.4.2 GA-BP网络对融合图像的训练效果68-69
5.5 分类结果评价69-70
5.6 本章小结70-71
6 总结71-73