衛(wèi)星高光譜遙感農(nóng)作物分類研究（精）

第一章 緒論
第一節(jié) 研究背景及意義
第二節(jié) 國內(nèi)外研究進展
一、面向農(nóng)作物分類的高光譜遙感數(shù)據(jù)源研究進展
二、高光譜圖像融合方法研究進展
三、高光譜數(shù)據(jù)降維方法研究進展
四、農(nóng)作物高光譜遙感分類算法研究進展
五、當前研究不足
第三節(jié) 研究思路及研究內(nèi)容
一、研究思路
二、研究內(nèi)容
第四節(jié) 技術(shù)路線及研究框架
一、技術(shù)路線
二、研究框架
第二章 研究區(qū)及數(shù)據(jù)
第一節(jié) 研究區(qū)概況
第二節(jié) 數(shù)據(jù)收集與處理
一、高光譜衛(wèi)星遙感影像
二、多光譜衛(wèi)星遙感影像
三、樣本地面調(diào)查數(shù)據(jù)
四、光譜野外觀測數(shù)據(jù)及預處理
第三章 高光譜圖像融合方法研究
第一節(jié) 緒論
一、基于全色銳化圖像融合
二、基于成像模型圖像融合
三、基于深度網(wǎng)絡圖像融合
四、融合圖像指標
第二節(jié) 融合影像的收集與預處理
第三節(jié) 影像融合方法
一、GS（Gram-Schmidt）法
二、IHS（Intensity Hue Saturation）變換法
三、Brovey 變換法
四、PCA（Principal Components Analysis）變換法
五、諧波分析法
六、改進PCA變換法
第四節(jié) 融合圖像的質(zhì)量評價
第五節(jié) 不同融合方法下的高光譜圖像質(zhì)量比較
一、基于視覺分析的高光譜圖像融合質(zhì)量對比
二、基于不同評價指標的高光譜圖像融合質(zhì)量比較
第六節(jié) 本章小結(jié)
第四章 面向農(nóng)作物分類的高光譜圖像降維方法研究
第一節(jié) 緒論
一、波段選擇
二、特征提取
第二節(jié) 面向農(nóng)作物分類的高光譜圖像波段選擇方法
一、波段初選
二、面向農(nóng)作物的高光譜影像波段優(yōu)選方法
第三節(jié) 面向農(nóng)作物分類的高光譜影像特征挖掘方法
一、高光譜影像特征提取
二、高光譜影像特征優(yōu)選方法
第四節(jié) 結(jié)果與分析
一、典型地物的反射光譜特征分析
二、不同算法下的高光譜影像波段選擇結(jié)果比較
三、不同算法下的高光譜影像特征優(yōu)選結(jié)果比較
第五節(jié) 本章小結(jié)
第五章 面向高光譜遙感的農(nóng)作物分類算法優(yōu)選研究
第一節(jié) 面向高光譜遙感的農(nóng)作物分類算法設計
一、支持向量機（SVM）法
二、隨機森林（RF）法
三、最大似然（MLC）法
第二節(jié) 農(nóng)作物分類精度評價
第三節(jié) 不同算法下的農(nóng)作物高光譜遙感分類精度比較
第四節(jié) 本章小結(jié)
第六章 不同遙感數(shù)據(jù)源的農(nóng)作物分類精度評價
第一節(jié) 高光譜遙感的農(nóng)作物分類
一、樣本數(shù)據(jù)
二、分類特征
三、分類算法
第二節(jié) 多光譜遙感的農(nóng)作物分類
一、樣本數(shù)據(jù)
二、分類特征提取
三、分類算法
第三節(jié) 農(nóng)作物分類精度評價
第四節(jié) 不同遙感數(shù)據(jù)源的農(nóng)作物分類精度比較
第五節(jié) 本章小結(jié)
第七章 結(jié)論與展望
第一節(jié) 結(jié)論
第二節(jié) 展望
參考文獻
附件 主要符號對照表