基于多尺度多特征融合的遥感影像建筑物自动提取
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 传统建筑物检测算法研究现状 | 第10-12页 |
| 1.2.2 基于机器学习的建筑物检测算法研究现状 | 第12-13页 |
| 1.3 本文研究内容与组织结构 | 第13-16页 |
| 1.3.1 本文研究内容 | 第13-14页 |
| 1.3.2 组织结构 | 第14-16页 |
| 第二章 建筑物多特征描述 | 第16-30页 |
| 2.1 影像预处理 | 第16-20页 |
| 2.1.1 边缘提取 | 第16-18页 |
| 2.1.2 超像素分割 | 第18-20页 |
| 2.2 建筑物特征 | 第20-29页 |
| 2.2.1 边缘密度与边缘分布 | 第20-21页 |
| 2.2.2 主方向正交性 | 第21-22页 |
| 2.2.3 亮度反差 | 第22-23页 |
| 2.2.4 色彩反差 | 第23-27页 |
| 2.2.5 目标完整性 | 第27-28页 |
| 2.2.6 对称性 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 建筑物自动提取 | 第30-45页 |
| 3.1 多特征视觉显著性计算 | 第30-35页 |
| 3.1.1 视觉显著性 | 第30-31页 |
| 3.1.2 分类器 | 第31-34页 |
| 3.1.3 模型训练 | 第34-35页 |
| 3.2 多尺度多特征融合 | 第35-42页 |
| 3.2.1 建筑物检测难点 | 第35-36页 |
| 3.2.2 构建高斯金字塔影像 | 第36-38页 |
| 3.2.3 多尺度显著性融合 | 第38-42页 |
| 3.3 建筑物提取 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 建筑物检测实验结果与分析 | 第45-69页 |
| 4.1 对比算法 | 第45-48页 |
| 4.1.1 马尔科夫随机场模型 | 第45-46页 |
| 4.1.2 FCN | 第46-48页 |
| 4.2 实验流程 | 第48-51页 |
| 4.2.1 交叉验证分类器 | 第48-49页 |
| 4.2.2 实验过程 | 第49-51页 |
| 4.3 实验结果及分析 | 第51-68页 |
| 4.3.1 精度评定指标 | 第51-52页 |
| 4.3.2 实验1 | 第52-62页 |
| 4.3.3 实验2 | 第62-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 结论与展望 | 第69-71页 |
| 5.1 主要研究工作及结论 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
