| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 主要符号表 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·本文研究问题及研究意义 | 第11-12页 |
| ·研究现状及发展趋势 | 第12-16页 |
| ·国内外研究现状 | 第12-16页 |
| ·发展趋势 | 第16页 |
| ·本文主要研究内容 | 第16-19页 |
| 第二章 LIDAR数据地物分类基础 | 第19-31页 |
| ·LIDAR系统的组成及相关概念 | 第19-20页 |
| ·LIDAR数据地物分类 | 第20-26页 |
| ·LIDAR数据的特点 | 第20-21页 |
| ·LIDAR数据地物分类的必要性 | 第21-22页 |
| ·LIDAR数据地物分类的应用 | 第22-26页 |
| ·典型的地物分类方法 | 第26-30页 |
| ·支持向量机 | 第26-28页 |
| ·D-S证据理论 | 第28-29页 |
| ·马尔科夫随机场 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 特征空间构建及影响分类精度因素分析 | 第31-45页 |
| ·LIDAR数据特征空间 | 第31-36页 |
| ·首次回波高程 | 第32页 |
| ·回波强度 | 第32-34页 |
| ·高程差 | 第34页 |
| ·归一化植被差异指数 | 第34-36页 |
| ·地物特性 | 第36-39页 |
| ·建筑特性 | 第36页 |
| ·树木特性 | 第36-37页 |
| ·车辆特性 | 第37-38页 |
| ·草地与道路特性 | 第38-39页 |
| ·影响分类精度因素分析及解决办法 | 第39-43页 |
| ·影响地物分类精度的因素 | 第39-42页 |
| ·提高分类精度的手段 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于模糊DSmT的LIDAR数据多地物分类方法 | 第45-58页 |
| ·DSmT理论 | 第45-47页 |
| ·DSmT理论的基本概念 | 第45-46页 |
| ·DSmT混合模型 | 第46页 |
| ·模糊DSmT理论 | 第46-47页 |
| ·类别模糊集合的构建 | 第47-50页 |
| ·三角形概率分配函数 | 第47-49页 |
| ·岭型概率分配函数 | 第49-50页 |
| ·尖Γ-型概率分配函数 | 第50页 |
| ·类别冲突集合的构建 | 第50-52页 |
| ·概率重分配及决策 | 第52页 |
| ·实例分析 | 第52-57页 |
| ·实验数据 | 第53-54页 |
| ·实验结果对比与评价 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于可能性分布合成的单一地物提取方法 | 第58-74页 |
| ·可能性分布合成理论 | 第58-62页 |
| ·可能性分布 | 第58-60页 |
| ·可能性分布合成 | 第60-62页 |
| ·方法流程 | 第62-63页 |
| ·预识别区域提取 | 第63-65页 |
| ·高程阈值分类 | 第63-64页 |
| ·面积阈值分类 | 第64-65页 |
| ·长宽比和区域强度比的可能性表征 | 第65-69页 |
| ·长宽比的可能性分布构造 | 第65-67页 |
| ·区域强度比的可能性分布构造 | 第67-68页 |
| ·合成结果决策 | 第68-69页 |
| ·实验结果对比与评价 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·本文的主要工作及创新 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-83页 |
| 攻读硕士学位期间发表的学术成果 | 第83-85页 |
| 致谢 | 第85-86页 |