| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 基于像素的遥感影像分类方法 | 第10-11页 |
| 1.2.2 面向对象的遥感影像分类方法 | 第11-12页 |
| 1.2.3 基于随机场的遥感影像分类方法 | 第12页 |
| 1.3 论文背景与研究意义 | 第12-13页 |
| 1.4 本文章节安排 | 第13-14页 |
| 2 条件随机场概论及其在图像分类中的应用 | 第14-30页 |
| 2.1 引言 | 第14页 |
| 2.2 概率有向图模型 | 第14-17页 |
| 2.2.1 有向图模型介绍 | 第14页 |
| 2.2.2 隐马尔可夫场 | 第14-15页 |
| 2.2.3 最大熵马尔可夫模型 | 第15-17页 |
| 2.3 概率无向图模型 | 第17-19页 |
| 2.4 条件随机场模型 | 第19-25页 |
| 2.4.1 条件随机场模型的定义 | 第19-21页 |
| 2.4.2 条件随机场模型的学习算法 | 第21-23页 |
| 2.4.3 条件随机场模型的推断算法 | 第23-25页 |
| 2.5 条件随机场模型在图像分类中的概率框架 | 第25-29页 |
| 2.6 小结 | 第29-30页 |
| 3 多时相CRF模型及其在遥感影像分类中的应用 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 多时相CRF模型 | 第30-32页 |
| 3.3 基于多时相CRF模型的遥感影像分类方法 | 第32-34页 |
| 3.3.1 一阶势能 | 第32-33页 |
| 3.3.2 空间势能 | 第33页 |
| 3.3.3 时间势能 | 第33-34页 |
| 3.4 训练与推断 | 第34-36页 |
| 3.4.1 特征提取方法 | 第34-35页 |
| 3.4.2 多时相CRF模型的训练方法 | 第35页 |
| 3.4.3 多时相CRF模型的推断方法 | 第35-36页 |
| 3.5 实验结果与分析 | 第36-43页 |
| 3.5.1 实验评价标准 | 第36-37页 |
| 3.5.2 实验数据和实验环境 | 第37页 |
| 3.5.3 实验 3.1:农村区域的图像 | 第37-40页 |
| 3.5.4 实验 3.2:校园区域的图像 | 第40-42页 |
| 3.5.5 参数敏感性分析 | 第42-43页 |
| 3.6 小结 | 第43-44页 |
| 4 多时相高阶CRF模型及其在遥感影像分类中的应用 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 超像素算法 | 第44-46页 |
| 4.3 多时相高阶CRF模型 | 第46-48页 |
| 4.4 训练与推断 | 第48-49页 |
| 4.4.1 多时相高阶CRF模型的训练方法 | 第48页 |
| 4.4.2 多时相高阶CRF模型的推断方法 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-57页 |
| 4.5.1 实验数据和实验环境 | 第49页 |
| 4.5.2 实验 4.1:农村地区的图像 | 第49-53页 |
| 4.5.3 实验 4.2:城郊区域的图像 | 第53-56页 |
| 4.5.4 参数敏感性分析 | 第56-57页 |
| 4.6 小结 | 第57-58页 |
| 5 结束语 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66页 |