李春干，研究员、教授级高级工程师、博士。1983年毕业于广西大学林学院林学专业，后获南京林业大学森林经理专业硕士学位、北京林业大学森林经理专业林业遥感方向博士学位。2006年5月至2007年8月在美国PURDuE大学林业和自然资源系作访问学者。现为广西林业勘测设计院总工程师。
    1983年至今，一直从事森林资源调查、动态监测与管理的研究与开发工作，目前研究重点为“3S”技术在森林资源监测与管理中的应用。分别获部省级科技进步二等奖1项，三等奖3项。以第一作者身份公开发表研究论文40余篇，其中EI收录2篇。合作出版专著一部。是广西“新世纪十百千人才工程”第二层次人选（2002218），广西首批省级干部联系、关护的专家，首届广西林业科技重奖个人获得者。广西大学兼职教授、硕士生导师。

    《面向对象的遥感图像森林分类研究与应用》在介绍遥感图像分类、面向对象的图像分析方法和遥感图像分类研究现状与进展，研究区域概况和研究技术路线的基础上，以SPOT5遥感图像为主要研究对象，对林区GPS控制网建立与应用、遥感数据预处理等进行了全面的系统的介绍等。

第1章  面向对象的图像分析方法与森林遥感分类研究进展
1.1  遥感图像分类概述
1.2  面向对象的图像分析方法
1.3  遥感图像森林分类研究现状与趋势
1.4  研究区域概况和数据源
1.5  面向对象的遥感图像森林分类总体思路
1.6  本章小结
参考文献

第2章  SPOT5图像预处理
2.1  数据预处理基本流程
2.2  林区GPS控制网的建立
2.3  几何精校正和空间配准
2.4  图像融合
2.5  正射校正
2.6  图像增强
2.7  彩色合成
2.8  本章小结
参考文献

第3章  图像分割与基于规则的分类
3.1  图像分割
3.2  基于规则的分类
3.3  基于分类的分割
3.4  图像分割效果评价方法
3.5  结果分析与讨论
3.6  本章小结
参考文献

第4章  对象特征提取与筛选
4.1  对象特征提取
4.2  对象特征分析和正态性分布检验
4.3  对象特征筛选
4.4  结果分析与讨论
4.5  本章小结
参考文献

第5章  面向对象的多分类器分类
5.1  分类方案确定
5.2  训练样地选取
5.3  最小距离分类器
5.4  马氏距离分类器
5.5  Bayes分类器
5.6  模糊分类器
5.7  支持向量机分类器
5.8  讨论
5.9  本章小结
参考文献

第6章  多分类器结合
6.1  标准的多分类器结合方法
6.2  模糊融合方法
6.3  投票法与模糊融合相结合方法
6.4  结果分析与讨论
6.5  本章小结
参考文献

第7章  基于SPOT5图像分割的森林小班边界自动提取
7.1  研究区域概况和数据源
7.2  小班边界自动提取方法
7.3  图像分割结果与分析
7.4  讨  论
7.5  本章小结
参考文献

第8章  面向对象的航空遥感图像土地利用/覆盖分类
8.1  试验区概况及试验数据
8.2  图像分割
8.3  特征检测和基于规则的分类
8.4  结果分析与讨论
8.5  本章小结

参考文献
附表1  最小距离分类混淆矩阵_0312new第三级
附表2  最小距离分类混淆矩阵_noTM第三级
附表3  最小距离分类混淆矩阵_WithTM第三级
附表4  马氏距离分类器混淆矩阵_0312new第三级
附表5  马氏距离分类器混淆矩阵__noTM第三级
附表6  马氏距离法分类混淆矩阵_withTM第三级
附表7  Bayes准则分类混淆矩阵_0312new第三级
附表8  Bayes准则分类混淆矩阵_notM第三级
附表9  Bayes准则分类混淆矩阵_withTM第三级
附表10  模糊分类混淆矩阵_0312new第三级
附表11  模糊分类混淆矩阵_noTM第三级
附表12  模糊分类混淆矩阵_withTM第三级
附表13  支持向量机分类混淆矩阵_0312new第三级
附表14  支持向量机分类混淆矩阵_noM第三级
附表15  支持向量机分类混淆矩阵_withTM第三级
附表16  方案0312new分类器融合结果表——投票/模糊法
附表17  方案noTM分类器融合结果表——投票法
附表18  方案noTM分类器融合结果表——Bayesian平均法
附表19  方案noTM分类器融合结果表——模糊法
附表20  方案noTM分类器融合结果表——投票/模糊法
附表21  方案withTM分类器融合结果——投票/模糊法
附表22  方案noTM各类型对象特征值的变动系数
附表23  方案withTM各类型对象特征值的变动系数
附表24  方案noTM各类型间的欧氏距离
附表25  方案withTM各类型间的欧氏距离

附图1  原始图像
（1）SPOT5图像，R/G/B=4/2/1
（2）Landsat7：ETM+图像，R/G/B=5/4/3
附图2  各方案的Bayes分类器分类结果（全图）
（1）方案0312new的Bayes分类器分类结果
（2）方案noTM的Bayes分类器分类结果
（3）方案withTM的Bayes分类器分类结果
附图3  各方案的第三级分类的Bayes分类器分类结果比较（局部）