| 摘要 | 第4-7页 |
| abstract | 第7-10页 |
| 1 引言 | 第15-31页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 研究目的和研究意义 | 第17-18页 |
| 1.3 国内外研究现状 | 第18-27页 |
| 1.3.1 屋顶光伏的研究 | 第18-20页 |
| 1.3.2 屋顶光伏参数研究 | 第20-21页 |
| 1.3.3 建筑物屋顶提取方法研究 | 第21-24页 |
| 1.3.4 面向对象分类方法子方向研究 | 第24-27页 |
| 1.4 研究内容与结构安排 | 第27-31页 |
| 1.4.1 研究内容 | 第27-29页 |
| 1.4.2 论文结构安排 | 第29-31页 |
| 2 研究区概况与数据准备 | 第31-43页 |
| 2.1 研究区概况 | 第31-34页 |
| 2.1.1 地理概况 | 第31页 |
| 2.1.2 气候环境分析 | 第31-33页 |
| 2.1.3 太阳能资源分析 | 第33-34页 |
| 2.2 数据源 | 第34-35页 |
| 2.2.1 Pleiades卫星 | 第34-35页 |
| 2.2.2 WorldView-3卫星 | 第35页 |
| 2.3 数据处理方法 | 第35-41页 |
| 2.3.1 数据预处理 | 第35-38页 |
| 2.3.2 建筑高度信息提取 | 第38-41页 |
| 2.4 本章小结 | 第41-43页 |
| 3 建筑物提取方法原理 | 第43-53页 |
| 3.1 面向对象分类方法 | 第43-44页 |
| 3.2 影像分割方法 | 第44-45页 |
| 3.3 基于神经网络的遥感图像分类研究 | 第45-49页 |
| 3.3.1 神经网络感知器 | 第45-46页 |
| 3.3.2 Hopfield神经网络 | 第46页 |
| 3.3.3 模糊神经网络 | 第46-47页 |
| 3.3.4 径向基函数神经网络 | 第47-48页 |
| 3.3.5 卷积神经网络 | 第48页 |
| 3.3.6 BP神经网络 | 第48-49页 |
| 3.4 建筑物提取结果评价方法 | 第49-52页 |
| 3.4.1 分割评价方法 | 第49-51页 |
| 3.4.2 分类评价方法 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 高分辨率影像分割方法优化 | 第53-75页 |
| 4.1 影像分割基础 | 第53-54页 |
| 4.2 影像多尺度分割方法 | 第54-58页 |
| 4.2.1 多尺度分割原理 | 第54-56页 |
| 4.2.2 多尺度分割参数 | 第56-57页 |
| 4.2.3 异质性算法 | 第57-58页 |
| 4.3 改进的遥感影像多尺度分割方法 | 第58-60页 |
| 4.3.1 改进的多尺度分割方法异质性计算 | 第58页 |
| 4.3.2 DSM异质性计算 | 第58-59页 |
| 4.3.3 NDVI影响描述 | 第59-60页 |
| 4.4 最佳分割尺度确定 | 第60-61页 |
| 4.5 实验结果与分析 | 第61-73页 |
| 4.5.1 实验场景 | 第61-62页 |
| 4.5.2 多尺度分割参数设定 | 第62-63页 |
| 4.5.3 实验结果与评价 | 第63-73页 |
| 4.6 本章小结 | 第73-75页 |
| 5 屋顶轮廓信息提取及优化 | 第75-99页 |
| 5.1 高分辨率遥感影像特征计算 | 第75-79页 |
| 5.1.1 光谱特征 | 第75页 |
| 5.1.2 形状特征 | 第75-77页 |
| 5.1.3 纹理特征 | 第77-78页 |
| 5.1.4 其他特征 | 第78-79页 |
| 5.2 对象特征选择 | 第79-83页 |
| 5.2.1 对象特征选择概述 | 第79-80页 |
| 5.2.2 Bootstrap抽样方法 | 第80页 |
| 5.2.3 基于Pearson相关系数的特征聚类 | 第80-81页 |
| 5.2.4 基于PLSGLR的特征排序 | 第81-83页 |
| 5.2.5 基于贝叶斯信息准则(BIC)的特征筛选 | 第83页 |
| 5.3 基于神经网络的建筑物提取 | 第83-85页 |
| 5.3.1 BP神经网络结构 | 第84页 |
| 5.3.2 BP神经网络遥感分类模型 | 第84-85页 |
| 5.4 基于形态学的建筑物轮廓优化 | 第85-86页 |
| 5.5 实验结果与分析 | 第86-97页 |
| 5.5.1 对象特征选择结果 | 第86-89页 |
| 5.5.2 神经网络训练实现与结果分析 | 第89-92页 |
| 5.5.3 基于不同神经网络的影像建筑物提取结果对比分析 | 第92-94页 |
| 5.5.4 基于不同分辨率遥感影像建筑物提取结果对比分析 | 第94-95页 |
| 5.5.5 建筑物轮廓优化 | 第95-97页 |
| 5.6 本章小结 | 第97-99页 |
| 6 基于高分遥感的屋顶光伏潜力评估 | 第99-113页 |
| 6.1 屋顶太阳能光伏安装概述 | 第99-101页 |
| 6.1.1 屋顶形态分类体系 | 第99-100页 |
| 6.1.2 基本天文参数确定 | 第100-101页 |
| 6.2 屋顶特征参数获取 | 第101-107页 |
| 6.2.1 高分辨率遥感影像屋顶特征参数获取 | 第101-103页 |
| 6.2.2 超高分辨率遥感影像屋顶特征参数获取 | 第103-105页 |
| 6.2.3 屋顶光伏安装参数获取 | 第105-107页 |
| 6.3 建筑物屋顶光伏潜力评估 | 第107-110页 |
| 6.3.1 潜力评估模型 | 第107-108页 |
| 6.3.2 太阳能光伏潜力评估结果与分析 | 第108-110页 |
| 6.4 本章小结 | 第110-113页 |
| 7 结论与展望 | 第113-117页 |
| 7.1 主要结论 | 第113-114页 |
| 7.2 创新点 | 第114-115页 |
| 7.3 展望 | 第115-117页 |
| 参考文献 | 第117-129页 |
| 致谢 | 第129-131页 |
| 作者简介 | 第131页 |
