| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容与技术路线 | 第15-16页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16页 |
| 1.4 各章概要 | 第16-18页 |
| 第2章 面向对象的遥感影像分类方法 | 第18-34页 |
| 2.1 影像分割 | 第18-20页 |
| 2.1.1 影像分割的定义 | 第18页 |
| 2.1.2 影像分割方法 | 第18-20页 |
| 2.2 遥感影像多尺度分割技术 | 第20-27页 |
| 2.2.1 影像分割中的尺度问题 | 第20-21页 |
| 2.2.2 多尺度分割概念 | 第21-22页 |
| 2.2.3 基于分型网络演化方法的多尺度分割算法 | 第22-24页 |
| 2.2.4 最优分割尺度选择 | 第24-27页 |
| 2.3 影像对象特征参数 | 第27-29页 |
| 2.4 影像对象分类方法 | 第29-33页 |
| 2.4.1 支持向量机基本原理 | 第29-32页 |
| 2.4.2 支持向量机分类流程 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 实验数据预处理与配准 | 第34-43页 |
| 3.1 实验数据概述 | 第34-35页 |
| 3.2 LiDAR点云预处理 | 第35-38页 |
| 3.2.1 LiDAR点云粗差剔除 | 第35-36页 |
| 3.2.2 LiDAR点云数据滤波 | 第36-37页 |
| 3.2.3 点云数据生成nDSM | 第37-38页 |
| 3.3 LiDAR点云与高分辨率遥感影像配准 | 第38-40页 |
| 3.3.1 高分辨率遥感影像与LiDAR点云配准的主要流程 | 第38-39页 |
| 3.3.2 高分辨率遥感影像与LiDAR点云配准方法 | 第39-40页 |
| 3.4 配准实验 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 LiDAR数据与高分辨率遥感影像的多尺度分割 | 第43-53页 |
| 4.1 LiDAR数据参与的多尺度分割 | 第43-47页 |
| 4.1.1 LiDAR点云参与影像多尺度分割的方式 | 第43-45页 |
| 4.1.2 LiDAR数据对影像分割性能的影响 | 第45-46页 |
| 4.1.3 LiDAR数据对影像分割尺度的影响 | 第46-47页 |
| 4.2 LiDAR点云参与下的最优分割参数选择 | 第47-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 损毁建筑物提取实验 | 第53-65页 |
| 5.1 实验平台 | 第53页 |
| 5.1.1 硬件平台 | 第53页 |
| 5.1.2 软件平台 | 第53页 |
| 5.2 分类特征选择 | 第53-57页 |
| 5.2.1 LiDAR特征选取 | 第54页 |
| 5.2.2 高分辨率遥感影像特征选取 | 第54-57页 |
| 5.3 损毁建筑物提取流程 | 第57-61页 |
| 5.3.1 训练样本选取与分类特征值计算 | 第58-59页 |
| 5.3.2 核函数选择与核函数参数寻优 | 第59-61页 |
| 5.4 分类结果与精度分析 | 第61-64页 |
| 5.4.1 分类结果 | 第61-62页 |
| 5.4.2 分类精度评价 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 结论 | 第65页 |
| 展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
