摘要3-4
Abstract4-9
主要符号对照表9-10
第1章 绪论10-26
1.1 课题探讨的背景和作用10-14
1.1.1 多分辨率遥感图像复合分类策略的提出10-13
1.1.2 课题探讨的作用13-14
1.2 相关技术进展近况14-19
1.3 论文主要工作19-23
1.3.1 论文探讨的主要内容19-22
1.3.2 论文探讨的主要贡献22-23
1.4 论文的结构安排23-26
第2章 复合分类策略框架和数据介绍26-44
2.1 复合分类策略论述框架26-32
2.1.1 单一分辨率遥感图像分类策略26-28
2.1.2 复合分类策略指导模型基本思路28-32
2.2 复合分类策略基本功能模块32-38
2.2.1 配准模块33
2.2.2 分类特点提取模块33-36
2.2.3 高分辨率图像参考量提取模块36
2.2.4 精度评估36-38
2.3 论文实验数据38-43
2.3.1 MODIS数据特点与获取39-40
2.3.2 Landsat-5 TM 数据特点与获取40-41
2.3.3 Landsat-7 ETM+数据特点与获取41
2.3.4 IKONOS数据特点与获取41-42
2.3.5 SPOT-4数据特点与获取42
2.3.6 地面真值数据获取42-43
2.4 本章小结43-44
第3章 基于组合核函数非线性退化模型的复合分类法44-67
3.1 探讨不足的提出44-49
3.1.1 线性退化模型44-46
3.1.2 线性退化树模型46-48
3.1.3 线性退化模型现存不足浅析48-49
3.2 非线性退化模型设计49-54
3.2.1 非线性模型基本结构49-51
3.2.2 核函数论述51-54
3.3 基于组合核的非线性退化模型(MK-R)实现54-58
3.3.1 组合核函数的选取54-56
3.3.2 MK-R模型的扩展运用56-57
3.3.3 基于MK-R退化模型的复合分类算法流程57-58
3.4 实验与浅析58-66
3.4.1 Landsat-5和SPOT-4组合实验58-62
3.4.2 MODIS 250m与ETM+组合实验62-66
3.5 本章小结66-67
第4章 基于“真实”似然特点的复合分类策略67-89
4.1 探讨不足的提出67-72
4.1.1 最大似然分类策略67-69
4.1.2 基于似然函数的复合分类策略69-72
4.2 “真实”似然特点提取72-78
4.2.1 似然分布灰度图72-74
4.2.2 云论述基本概念74-75
4.2.3 基于云论述的“真实”似然特点提取算法75-78
4.3 基于加权最大似然准则的复合分类策略78-81
4.4 MODIS与ETM+组合实验与浅析81-88
4.4.1 数据处理81-82
4.4.2 似然分布图提取82-85
4.4.3 “真实”似然特点映射模型85-88
4.4.4 基于“真实”似然特点全局低分辨率图像分类88
4.5 本章小结88-89
第5章 基于条件随机场模型的复合分类策略89-100
5.1 探讨不足的提出89-90
5.2 基于条件随机场模型的复合分类算法90-94
5.2.1 条件随机场模型设计90-92
5.2.2 基于条件随机场模型的复合分类算法流程92-94
5.3 实验与浅析94-99
5.3.1 MODIS 250m与ETM+分辨率1:8数据组合94-95
5.3.2 IKONOS与TM数据组合95-97
5.3.3 不同分辨率组合对不同复合分类策略精度影响浅析97-99
5.4 本章小结99-100
第6章 多分辨率遥感图像复合分类系统及其运用100-117
6.1 复合分类策略在农作物种植面积估计中的运用100-110
6.1.1 大尺度作物种植面积遥感监测的战略作用100-103
6.1.2 复合分类在种植面积监测中的运用103-106
6.1.3 水稻种植面积估计实验与浅析106-110
6.2 复合分类运用系统110-117
6.2.1 复合分类运用系统的功能设计110-114
6.2.2 软件处理系统与业务运用的联系114-117
第7章 总结与展望117-120
7.1 论文总结117-119
7.2 技术展望119-120