声明
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究进展
1.2.1 遥感影像分类方法
1.2.2 高分辨率遥感影像纹理特征提取方法
1.2.3 农作物类型遥感提取
1.2.4 文献总结
1.3.1 研究目标与内容
1.3.2 技术路线
1.4 论文组织结构
第二章 材料与方法
2.1 研究区概况
2.1.1 自然地理概况
2.1.2 作物种植结构
2.1.3 果业发展概况
2.1.4 设施农业概况
2.2.1 遥感数据
2.2.2 地面调查数据
2.2.3 其他数据
2.3 纹理特征提取方法
2.3.1 GLCM纹理
2.3.2 分形纹理
2.3.3 空间自相关纹理
2.3.4 小波纹理
2.4 监督分类方法
2.4.1 SVM分类
2.4.2 RF分类
2.4.3 MLC分类
2.4.4 ANN分类
2.5 分类结果评价
2.5.1 分类精度总体评价
2.5.2 单一类别识别精度评价
2.5.3 不同分类模型显著性差异
第三章 高分辨率遥感影像光谱特征分析与分类
3.1 影像预处理
3.1.1 正射校正
3.1.2 辐射校正
3.1.3 影像配准
3.1.4 数据融合
3.2 光谱特征分析
3.2.1 影像光谱统计特征
3.2.2 典型地物的影像特征
3.2.3 不同地物的光谱特征
3.3.1 苹果园研究区
3.3.2 猕猴桃园研究区
3.3.3 设施农业研究区
3.4.1 讨论
3.4.2 结论
第四章 面向果园提取的高分辨率遥感影像纹理特征分析
4.1.1 研究区概况
4.1.2 遥感数据
4.2 纹理特征提取
4.2.1 GLCM纹理特征提取
4.2.2 小波纹理特征提取
4.2.3 分形纹理特征提取
4.2.4 空间自相关纹理特征提取
4.3 基于GLCM的苹果园纹理特征分析
4.3.1 最佳纹理窗口选择
4.3.2 纹理特征提取结果
4.3.3 不同地物的纹理统计特征
4.3.4 不同纹理特征分类结果对比
4.4 基于小波变换的猕猴桃园纹理特征分析
4.4.1 小波纹理特征提取过程
4.4.2 小波纹理提取结果与分析
4.4.3 GLCM与分形纹理特征提取
4.4.4 不同纹理特征分类结果比较
4.4.5 小波纹理对苹果园提取的适用性分析
4.5.1 讨论
4.5.2 结论
第五章 QuickBird影像果园用地信息提取研究
5.1.1 研究区和遥感数据
5.1.2 样本数据
5.2.1 技术流程
5.2.2 特征提取
5.2.3 分类模型构建
5.2.4 分类结果评价
5.3.1 SVM核函数选取与分类模型优化
5.3.2 提取结果对比
5.3.3 苹果园提取精度分析
5.4.1 RF参数选取与分类模型构建
5.4.2 提取结果对比
5.4.3 提取精度分析
5.5 讨论
5.5.1 不同分类方法分类精度分析
5.5.2 建模样本对分类精度的影响
5.5.3 数据融合对果园提取精度的影响
5.6 结论
第六章 基于GeoEye-1和SPOT-7影像的设施农业用地提取
6.1.1 研究区
6.1.2 遥感数据
6.1.3 样本数据
6.2 技术路线和方法
6.2.1 特征提取
6.2.2 遥感图像监督分类方法
6.2.3 分类精度评价
6.3 结果与分析
6.3.1 小波纹理特征提取结果
6.3.2 RF分类参数选取及分类模型构建
6.3.3 不同分类特征分类精度分析
6.3.4 不同分类方法分类精度分析
6.3.5 不同影像的温室大棚提取结果
6.4.1 讨论
6.4.2 结论
第七章 结论与展望
7.1 结论
7.2 创新点
7.3 展望
参考文献
致谢
个人简历