| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-18页 |
| 1.3 论文的研究内容与创新点 | 第18-19页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 创新点 | 第19页 |
| 1.4 本文的结构安排 | 第19-22页 |
| 第二章 遥感图像分割和识别理论基础 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 遥感图像分割相关理论 | 第22-28页 |
| 2.2.1 遥感图像分割 | 第22-23页 |
| 2.2.2 常见的遥感图像分割方法 | 第23-27页 |
| 2.2.3 图像分割评价标准 | 第27-28页 |
| 2.3 遥感图像识别相关理论 | 第28-29页 |
| 2.3.1 遥感图像识别的定义及原理 | 第28页 |
| 2.3.2 遥感图像识别的特征 | 第28-29页 |
| 2.3.3 遥感图像识别的基本方法 | 第29页 |
| 2.4 本章小结 | 第29-32页 |
| 第三章 基于超像素的遥感图像并行分割算法 | 第32-56页 |
| 3.1 引言 | 第32页 |
| 3.2 理论基础 | 第32-40页 |
| 3.2.1 超像素 | 第32页 |
| 3.2.2 超像素分割算法 | 第32-36页 |
| 3.2.3 Open MP并行库 | 第36-40页 |
| 3.3 基于超像素的遥感图像并行分割算法 | 第40-47页 |
| 3.3.1 遥感图像的数据分块并行理论 | 第40-41页 |
| 3.3.2 SLIC分割算法的Open MP并行改造 | 第41-42页 |
| 3.3.3 基于区域邻接图的边界合并策略算法 | 第42-44页 |
| 3.3.4 算法步骤 | 第44-47页 |
| 3.4 实验分析 | 第47-54页 |
| 3.4.1 实验环境 | 第47页 |
| 3.4.2 实验评价 | 第47-48页 |
| 3.4.3 实验方案 | 第48-49页 |
| 3.4.4 实验结果分析 | 第49-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 面向对象的遥感图像识别方法 | 第56-78页 |
| 4.1 引言 | 第56页 |
| 4.2 理论基础 | 第56-67页 |
| 4.2.1 神经元模型 | 第56-57页 |
| 4.2.2 神经网络的结构 | 第57-58页 |
| 4.2.3 神经网络学习算法 | 第58-59页 |
| 4.2.4 误差逆传播算法 | 第59-63页 |
| 4.2.5 BP神经网络 | 第63页 |
| 4.2.6 图像纹理特征 | 第63-67页 |
| 4.3 面向对象的遥感图像识别 | 第67-72页 |
| 4.3.1 特征向量选择 | 第67-69页 |
| 4.3.2 BP网络结构的设计与实现 | 第69-71页 |
| 4.3.3 算法步骤 | 第71-72页 |
| 4.4 实验分析 | 第72-77页 |
| 4.4.1 识别目标 | 第72页 |
| 4.4.2 验证数据 | 第72-73页 |
| 4.4.3 验证分析 | 第73-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 工作总结 | 第78页 |
| 5.2 工作展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-87页 |