面向?qū)ο蟮倪b感圖像森林分類研究與應(yīng)用

第1章　面向?qū)ο蟮膱D像分析方法與森林遙感分類研究進展
1.1　遙感圖像分類概述
1.2　面向?qū)ο蟮膱D像分析方法
1.3　遙感圖像森林分類研究現(xiàn)狀與趨勢
1.4　研究區(qū)域概況和數(shù)據(jù)源
1.5　面向?qū)ο蟮倪b感圖像森林分類總體思路
1.6　本章小結(jié)
參考文獻
第2章　SPOT5圖像預(yù)處理
2.1　數(shù)據(jù)預(yù)處理基本流程
2.2　林區(qū)GPS控制網(wǎng)的建立
2.3　幾何精校正和空間配準(zhǔn)
2.4　圖像融合
2.5　正射校正
2.6　圖像增強
2.7　彩色合成
2.8　本章小結(jié)
參考文獻
第3章　圖像分割與基于規(guī)則的分類
3.1　圖像分割
3.2　基于規(guī)則的分類
3.3　基于分類的分割
3.4　圖像分割效果評價方法
3.5　結(jié)果分析與討論
3.6　本章小結(jié)
參考文獻
第4章　對象特征提取與篩選
4.1　對象特征提取
4.2　對象特征分析和正態(tài)性分布檢驗
4.3　對象特征篩選
4.4　結(jié)果分析與討論
4.5　本章小結(jié)
參考文獻
第5章　面向?qū)ο蟮亩喾诸惼鞣诸?br />5.1　分類方案確定
5.2　訓(xùn)練樣地選取
5.3　最小距離分類器
5.4　馬氏距離分類器
5.5　Bayes分類器
5.6　模糊分類器
5.7　支持向量機分類器
5.8　討論
5.9　本章小結(jié)
參考文獻
第6章　多分類器結(jié)合
6.1　標(biāo)準(zhǔn)的多分類器結(jié)合方法
6.2　模糊融合方法
6.3　投票法與模糊融合相結(jié)合方法
6.4　結(jié)果分析與討論
6.5　本章小結(jié)
參考文獻
第7章　基于SPOT5圖像分割的森林小班邊界自動提取
7.1　研究區(qū)域概況和數(shù)據(jù)源
7.2　小班邊界自動提取方法
7.3　圖像分割結(jié)果與分析
7.4　討　論
7.5　本章小結(jié)
參考文獻
第8章　面向?qū)ο蟮暮娇者b感圖像土地利用/覆蓋分類
8.1　試驗區(qū)概況及試驗數(shù)據(jù)
8.2　圖像分割
8.3　特征檢測和基于規(guī)則的分類
8.4　結(jié)果分析與討論
8.5　本章小結(jié)
參考文獻
附表1　最小距離分類混淆矩陣_0312new第三級
附表2　最小距離分類混淆矩陣_noTM第三級
附表3　最小距離分類混淆矩陣_WithTM第三級
附表4　馬氏距離分類器混淆矩陣_0312new第三級
附表5　馬氏距離分類器混淆矩陣__noTM第三級
附表6　馬氏距離法分類混淆矩陣_withTM第三級
附表7　Bayes準(zhǔn)則分類混淆矩陣_0312new第三級
附表8　Bayes準(zhǔn)則分類混淆矩陣_notM第三級
附表9　Bayes準(zhǔn)則分類混淆矩陣_withTM第三級
附表10　模糊分類混淆矩陣_0312new第三級
附表11　模糊分類混淆矩陣_noTM第三級
附表12　模糊分類混淆矩陣_withTM第三級
附表13　支持向量機分類混淆矩陣_0312new第三級
附表14　支持向量機分類混淆矩陣_noM第三級
附表15　支持向量機分類混淆矩陣_withTM第三級
附表16　方案0312new分類器融合結(jié)果表——投票/模糊法
附表17　方案noTM分類器融合結(jié)果表——投票法
附表18　方案noTM分類器融合結(jié)果表——Bayesian平均法
附表19　方案noTM分類器融合結(jié)果表——模糊法
附表20　方案noTM分類器融合結(jié)果表——投票/模糊法
附表21　方案withTM分類器融合結(jié)果——投票/模糊法
附表22　方案noTM各類型對象特征值的變動系數(shù)
附表23　方案withTM各類型對象特征值的變動系數(shù)
附表24　方案noTM各類型間的歐氏距離
附表25　方案withTM各類型間的歐氏距離
附圖1　原始圖像
（1）SPOT5圖像，R/G/B=4/2/1
（2）Landsat7：ETM+圖像，R/G/B=5/4/3
附圖2　各方案的Bayes分類器分類結(jié)果（全圖）
（1）方案0312new的Bayes分類器分類結(jié)果
（2）方案noTM的Bayes分類器分類結(jié)果
（3）方案withTM的Bayes分類器分類結(jié)果
附圖3　各方案的第三級分類的Bayes分類器分類結(jié)果比較（局部）