| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状及对策分析 | 第10-15页 |
| 1.2.1 国内外研究现状 | 第10-14页 |
| 1.2.2 存在问题及分析 | 第14-15页 |
| 1.2.3 解决问题的基本思路 | 第15页 |
| 1.3 研究内容及组织结构 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16-17页 |
| 1.3.3 论文组织结构 | 第17-18页 |
| 第二章 基于改进K-means算法的高分辨率遥感影像道路提取方法 | 第18-34页 |
| 2.1 基于空间特征提取初始道路 | 第18-25页 |
| 2.1.1 K-means算法改进策略 | 第18-23页 |
| 2.1.2 局部灰度一致性检测 | 第23-24页 |
| 2.1.3 基于空间特征的道路网初始提取 | 第24-25页 |
| 2.2 道路网精化及中心线提取 | 第25-27页 |
| 2.2.1 基于多特征的道路网精化 | 第25-26页 |
| 2.2.2 基于空间特征的道路中心线连接 | 第26-27页 |
| 2.3 试验与分析 | 第27-33页 |
| 2.3.1 试验数据准备 | 第27-28页 |
| 2.3.2 试验流程设计 | 第28-29页 |
| 2.3.3 试验结果与分析 | 第29-33页 |
| 2.4 本章小节 | 第33-34页 |
| 第三章 基于机载LiDAR点云偏度平衡的道路提取方法 | 第34-46页 |
| 3.1 基于坡度特征提取初始道路 | 第34-35页 |
| 3.2 基于KD树的点云快速邻域搜索 | 第35-38页 |
| 3.2.1 KD树索引结构 | 第36-37页 |
| 3.2.2 八叉树索引结构 | 第37页 |
| 3.2.3 索引效率实例验证 | 第37-38页 |
| 3.3 基于偏度平衡的初始道路网精化 | 第38-40页 |
| 3.3.1 基于偏度平衡的非道路点去除 | 第38-39页 |
| 3.3.2 基于偏度平衡的停车场去除 | 第39-40页 |
| 3.4 试验与分析 | 第40-45页 |
| 3.4.1 试验数据准备 | 第40-41页 |
| 3.4.2 试验流程设计 | 第41-42页 |
| 3.4.3 试验结果与分析 | 第42-45页 |
| 3.5 本章小节 | 第45-46页 |
| 第四章 融合高分辨率遥感影像和机载LiDAR点云的道路提取方法 | 第46-62页 |
| 4.1 研究思路 | 第46页 |
| 4.2 SLIC超像素分割影像 | 第46-49页 |
| 4.2.1 超像素分割算法 | 第46-47页 |
| 4.2.2 SLIC超像素影像分割 | 第47-49页 |
| 4.3 基于张量投票算法的道路网精化及交叉口检测 | 第49-55页 |
| 4.3.1 张量投票算法 | 第49-54页 |
| 4.3.2 道路网精化及交叉口检测 | 第54-55页 |
| 4.4 试验与分析 | 第55-60页 |
| 4.4.1 试验数据准备 | 第55页 |
| 4.4.2 试验流程设计 | 第55-57页 |
| 4.4.3 试验结果与分析 | 第57-58页 |
| 4.4.4 对比试验与分析 | 第58-60页 |
| 4.5 本章小节 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 研究展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者简历 | 第70页 |
