| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第6-12页 |
| §1.1 研究背景和意义 | 第6-8页 |
| §1.1.1 摄影测量与遥感的发展 | 第6-7页 |
| §1.1.2 计算机视觉与图像理解领域的难题 | 第7-8页 |
| §1.2 国内外研究现状及发展方向 | 第8-11页 |
| §1.3 论文组织 | 第11-12页 |
| 第二章 道路提取的基本理论与方法 | 第12-31页 |
| §2.1 道路的基本特征 | 第12-13页 |
| §2.2 图像预处理技术 | 第13-17页 |
| §2.2.1 图像灰度增强 | 第13-14页 |
| §2.2.2 图像平滑滤波 | 第14-17页 |
| §2.3 图像分割与边缘检测 | 第17-25页 |
| §2.3.1 图像分割 | 第17-20页 |
| §2.3.2 边缘检测算子 | 第20-25页 |
| §2.4 道路自动提取中知识的表达与应用 | 第25-31页 |
| §2.4.1 知识的定义 | 第25-26页 |
| §2.4.2 知识表达与运用的常用方法 | 第26-29页 |
| §2.4.3 道路自动提取中知识表达与应用的特点 | 第29-31页 |
| 第三章 道路半自动提取相关研究 | 第31-42页 |
| §3.1 道路半自动提取与人机协同 | 第31-33页 |
| §3.2 基于最小二乘模板匹配的特征提取 | 第33-35页 |
| §3.2.1 最小二乘影像匹配 | 第33页 |
| §3.2.2 基于最小二乘模板匹配的特征提取 | 第33-35页 |
| §3.3 状态空间搜索 | 第35-37页 |
| §3.3.1 盲目搜索 | 第36页 |
| §3.3.2 启发式搜索 | 第36-37页 |
| §3.4 道路半自动提取过程中的几项重要步骤 | 第37-42页 |
| §3.4.1 道路边缘定位 | 第37-38页 |
| §3.4.2 路宽检测 | 第38-39页 |
| §3.4.3 道路曲线的折线表示 | 第39-42页 |
| 第四章 针对两种不同比例尺影像的道路半自动提取算法 | 第42-60页 |
| §4.1 基于模糊算子理论的小比例尺影像道路半自动提取 | 第42-48页 |
| §4.1.1 影像预处理 | 第42-44页 |
| §4.1.2 模糊算子的概念 | 第44-45页 |
| §4.1.3 道路模糊模型的建立 | 第45-46页 |
| §4.1.4 实验结果与分析 | 第46-48页 |
| §4.2 基于模板匹配的大比例尺道路半自动提取 | 第48-60页 |
| §4.2.1 算法的基本思想 | 第48-49页 |
| §4.2.2 影像重采样 | 第49-50页 |
| §4.2.3 多分辨率相关 | 第50-54页 |
| §4.2.4 分段迭代拟合道路曲线 | 第54-56页 |
| §4.2.5 输出结果的平滑 | 第56-57页 |
| §4.2.6 实验结果与分析 | 第57-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |