| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 主要中英文术语对照表 | 第10-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 本文研究课题及拟解决的问题 | 第16-21页 |
| 1.2.1 遥感图像典型地物目标的特征描述问题 | 第17-19页 |
| 1.2.2 遥感影像聚类分析研究现状及其问题 | 第19-20页 |
| 1.2.3 遥感影像目标的快速检测研究现状及其问题 | 第20-21页 |
| 1.3 本文主要研究内容与创新 | 第21-23页 |
| 1.3.1 基于多核学习的高分辨率遥感影像典型地物目标特征描述分析 | 第21-22页 |
| 1.3.2 块状数据流的监督自适应增量聚类 | 第22页 |
| 1.3.3 高分辨率遥感影像特定目标的快速检测 | 第22-23页 |
| 1.4 本文的章节安排 | 第23-25页 |
| 第二章 基于多核学习的典型地物目标特征描述 | 第25-67页 |
| 2.1 引言 | 第25-26页 |
| 2.2 高分辨率遥感影像低层次特征 | 第26-33页 |
| 2.2.1 纹理特征 | 第26-30页 |
| 2.2.2 颜色特征 | 第30-31页 |
| 2.2.3 局部特征 | 第31-33页 |
| 2.2.4 场景特征 | 第33页 |
| 2.3 多核学习理论 | 第33-39页 |
| 2.3.1 多核学习 | 第33-35页 |
| 2.3.2 多核学习中核的构造方法 | 第35-39页 |
| 2.4 基于多核学习的目标特征模型配置方法 | 第39-43页 |
| 2.4.1 多特征配置及其权重训练 | 第39-42页 |
| 2.4.2 多特征综合排序及算法实现 | 第42-43页 |
| 2.5 典型目标数据集与实验设置 | 第43-47页 |
| 2.5.1 高分辨率遥感影像典型目标数据集 | 第43-45页 |
| 2.5.2 实验环境及实验方案 | 第45-47页 |
| 2.6 典型地物特征子集分析与评价 | 第47-65页 |
| 2.6.1 不同特征对典型地物分类的权重 | 第47-55页 |
| 2.6.2 两种数据集的典型地物目标特征子集构造 | 第55-57页 |
| 2.6.3 不同的特征配置对分类结果的影响 | 第57-65页 |
| 2.7 本章小结 | 第65-67页 |
| 第三章 块状数据流的监督自适应增量聚类 | 第67-107页 |
| 3.1 引言 | 第67-69页 |
| 3.2 面向静态数据集的监督聚类算法 | 第69-72页 |
| 3.2.1 基于典型实例的监督聚类算法 | 第69-70页 |
| 3.2.2 基于原型的监督聚类算法 | 第70-71页 |
| 3.2.3 基于质心的监督聚类算法 | 第71页 |
| 3.2.4 基于网格的监督聚类算法 | 第71-72页 |
| 3.3 面向数据流的增量聚类算法 | 第72-78页 |
| 3.3.1 IGNG和 I2GNG算法 | 第72-74页 |
| 3.3.2 SOINN算法 | 第74-76页 |
| 3.3.3 AING算法 | 第76-78页 |
| 3.3.4 增量Kmeans算法 | 第78页 |
| 3.4 SAIC算法原理 | 第78-88页 |
| 3.4.1 SAIC学习算法概述 | 第79-82页 |
| 3.4.2 簇的增加机制 | 第82页 |
| 3.4.3 簇的自适应更新 | 第82-83页 |
| 3.4.4 迭代次数的自动确定 | 第83-85页 |
| 3.4.5 后处理阶段 | 第85-87页 |
| 3.4.6 获得的簇用于分类 | 第87-88页 |
| 3.5 SAIC算法实现流程及其复杂度 | 第88-90页 |
| 3.6 面向静态数据集实验评价分析与对比 | 第90-94页 |
| 3.6.1 评价测度 | 第90-91页 |
| 3.6.2 各种不同的静态数据集 | 第91-92页 |
| 3.6.3 距离度量和数据归一化对聚类结果的影响 | 第92-93页 |
| 3.6.4 与监督聚类算法对比 | 第93-94页 |
| 3.7 面向数据流的实验评价分析与对比 | 第94-101页 |
| 3.7.1 各种不同的数据流 | 第94-95页 |
| 3.7.2 与无监督增量聚类算法对比 | 第95-96页 |
| 3.7.3 SAIC用于合成块状数据流时的聚类性能 | 第96-98页 |
| 3.7.4 SAIC用于真实块状数据流时的聚类性能 | 第98-100页 |
| 3.7.5 数据块的大小对SAIC性能的影响 | 第100-101页 |
| 3.8 SAIC在高分辨率遥感影像聚类中的应用 | 第101-105页 |
| 3.8.1 遥感影像实验数据准备 | 第102-104页 |
| 3.8.2 SAIC用于遥感影像对象块状数据流的聚类 | 第104-105页 |
| 3.9 本章小结 | 第105-107页 |
| 第四章 高分辨率遥感影像特定目标的快速检测 | 第107-135页 |
| 4.1 引言 | 第107-108页 |
| 4.2 减少检测窗口数的一些策略 | 第108-110页 |
| 4.2.1 不同分辨率的图像 | 第109页 |
| 4.2.2 图像所特有的信息 | 第109页 |
| 4.2.3 子窗口搜索 | 第109-110页 |
| 4.3 快速选择搜索方法 | 第110-122页 |
| 4.3.1 候选窗口或子区域的预选 | 第111-120页 |
| 4.3.1.1 标记区域的创建 | 第111-115页 |
| 4.3.1.2 标记区域的筛选 | 第115-116页 |
| 4.3.1.3 标记区域的合并 | 第116-117页 |
| 4.3.1.4 候选窗口或子区域预选算法 | 第117-120页 |
| 4.3.2 训练检测子 | 第120-121页 |
| 4.3.3 检测窗口的分类及后处理 | 第121-122页 |
| 4.4 实验分析与评价 | 第122-134页 |
| 4.4.1 实验数据及评价测度 | 第122-124页 |
| 4.4.2 参数的确定 | 第124页 |
| 4.4.3 飞机检测实验 | 第124-134页 |
| 4.4.3.1 不同边缘及角点检测算子对检测窗口个数的影响 | 第125-126页 |
| 4.4.3.2 不同检测算子对FSS性能的影响 | 第126-127页 |
| 4.4.3.3 FSS方法与SS方法的对比 | 第127-134页 |
| 4.5 本章小结 | 第134-135页 |
| 第五章 总结与展望 | 第135-138页 |
| 5.1 论文工作总结 | 第135-136页 |
| 5.2 研究展望 | 第136-138页 |
| 参考文献 | 第138-146页 |
| 攻读博士学位期间已录用或已投的论文 | 第146-147页 |
| 攻读博士学位期间参与的科研项目 | 第147-148页 |
| 致谢 | 第148-149页 |
