基于多边形超像素的候选建筑物检测方法
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 遥感影像建筑物提取方法概述 | 第15-16页 |
| 1.2.2 超像素分割算法 | 第16-18页 |
| 1.2.3 目标检测算法 | 第18-20页 |
| 1.3 研究内容与章节安排 | 第20-22页 |
| 2 候选目标检测方法概述 | 第22-29页 |
| 2.1 遥感图像中建筑物类别定义 | 第22页 |
| 2.2 算法流程概述 | 第22-24页 |
| 2.3 本文涉及的基本概念介绍 | 第24-29页 |
| 2.3.1 候选目标 | 第24页 |
| 2.3.2 Voronoi diagram构建 | 第24-26页 |
| 2.3.3 加权连通图 | 第26-27页 |
| 2.3.4 道格拉斯-普克算法 | 第27-29页 |
| 3 基于超像素分割的区域合并与候选目标描述 | 第29-52页 |
| 3.1 超像素预分割 | 第29-33页 |
| 3.1.1 线特征检测与均匀采样 | 第29-31页 |
| 3.1.2 基于空间均匀化的点过程 | 第31页 |
| 3.1.3 控制参数的选取 | 第31-33页 |
| 3.2 基于超像素的区域合并算法 | 第33-48页 |
| 3.2.1 基于图论的超像素连通图构建 | 第33页 |
| 3.2.2 构建超像素之间的空间拓扑关系 | 第33-35页 |
| 3.2.3 基于最小生成树的超像素合并生长算法 | 第35-38页 |
| 3.2.4 种子点选取 | 第38页 |
| 3.2.5 权值函数构建 | 第38-47页 |
| 3.2.6 超像素生长的终止条件 | 第47-48页 |
| 3.3 建筑物候选目标的筛选与描述 | 第48-52页 |
| 3.3.1 候选目标结果筛选 | 第48-49页 |
| 3.3.2 合并结果的外围点跟踪 | 第49-51页 |
| 3.3.3 基于道格拉斯-普克算法的多边形拟合 | 第51-52页 |
| 4 实验与评估 | 第52-60页 |
| 4.1 实验数据与评估指标 | 第52-53页 |
| 4.2 本文算法的变量控制 | 第53-56页 |
| 4.2.1 权值函数特征项的权重参数及终止条件 | 第53页 |
| 4.2.2 基于GLCM的纹理特征量 | 第53-55页 |
| 4.2.3 不同权值因子对检测结果的影响 | 第55-56页 |
| 4.3 与主流算法的对比实验 | 第56-60页 |
| 5 总结与展望 | 第60-63页 |
| 5.1 总结 | 第60-61页 |
| 5.2 不足与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 作者简历 | 第66页 |
