| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状及存在的问题 | 第12-14页 |
| 1.2.1 面向对象影像分析方法 | 第12-13页 |
| 1.2.2 变化检测方法 | 第13-14页 |
| 1.3 论文主要工作和章节安排 | 第14-17页 |
| 1.3.1 研究目标与内容 | 第14-15页 |
| 1.3.2 论文章节安排 | 第15-17页 |
| 第2章 面向对象变化检测相关基础 | 第17-30页 |
| 2.1 面向对象变化检测基础 | 第17-24页 |
| 2.1.1 影像分割 | 第17-19页 |
| 2.1.2 特征提取 | 第19-21页 |
| 2.1.3 变化阈值选取 | 第21页 |
| 2.1.4 精度评价方法 | 第21-24页 |
| 2.2 面向对象变化检测主要方法概述 | 第24-26页 |
| 2.2.1 直接变化检测方法 | 第24-25页 |
| 2.2.2 分类后变化检测方法 | 第25-26页 |
| 2.3 实验数据 | 第26-29页 |
| 2.3.1 实验数据一 | 第26-27页 |
| 2.3.2 实验数据二 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 面向对象影像多尺度分割的最优尺度选取 | 第30-44页 |
| 3.1 分割尺度与最优尺度 | 第30-31页 |
| 3.2 最优分割尺度选取方法回顾 | 第31-34页 |
| 3.3 一种基于GLCM纹理均值的最优尺度选取方法 | 第34-36页 |
| 3.3.1 GLCM纹理均值特征描述 | 第34-35页 |
| 3.3.2 基于GLCM纹理均值的最优分割尺度选取框架 | 第35-36页 |
| 3.4 实验与分析 | 第36-43页 |
| 3.4.1 不同影像场景多尺度分割结果分析 | 第36-37页 |
| 3.4.2 最优尺度选取结果的定性分析 | 第37-41页 |
| 3.4.3 最优尺度选取结果的定量化评价 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于相似性测度的变化对象度量 | 第44-56页 |
| 4.1 相似性度量方法概述 | 第44-46页 |
| 4.1.1 相似性测度 | 第44-45页 |
| 4.1.2 不同相似性测度的对比分析 | 第45-46页 |
| 4.2 基于相似性测度的面向对象变化检测 | 第46-48页 |
| 4.2.1 对象的相似性表达 | 第46-47页 |
| 4.2.2 基于相似性测度的面向对象变化检测框架 | 第47-48页 |
| 4.3 实验与分析 | 第48-55页 |
| 4.3.1 不同场景的最优分割尺度集选取 | 第48-50页 |
| 4.3.2 基于相似性测度的变化检测结果分析与精度评价 | 第50-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 多尺度光谱-纹理特征融合的变化检测 | 第56-73页 |
| 5.1 特征融合方法 | 第56-57页 |
| 5.1.1 简单加权融合 | 第56页 |
| 5.1.2 特征自适应融合 | 第56-57页 |
| 5.2 多尺度多特征融合的变化检测方法 | 第57-60页 |
| 5.2.1 多尺度投票融合机制 | 第57-58页 |
| 5.2.2 多尺度光谱-纹理特征融合的变化检测框架 | 第58-60页 |
| 5.3 实验与分析 | 第60-72页 |
| 5.3.1 多特征融合的变化检测结果分析与精度评价 | 第60-67页 |
| 5.3.2 多尺度投票融合的变化检测结果分析与精度评价 | 第67-72页 |
| 5.4 本章小结 | 第72-73页 |
| 结论与展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第81页 |
