| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内、外研究现状 | 第12-16页 |
| 1.2.1 基于像元的道路提取方法 | 第12-13页 |
| 1.2.2 基于区域的道路提取方法 | 第13-14页 |
| 1.2.3 基于知识的道路提取方法 | 第14-16页 |
| 1.3 道路提取的影响因素 | 第16-18页 |
| 1.4 本文研究内容和结构安排 | 第18-20页 |
| 第二章 遥感影像预处理 | 第20-32页 |
| 2.1 遥感影像校正 | 第20-25页 |
| 2.1.1 遥感影像几何校正 | 第20-23页 |
| 2.1.2 遥感影像辐射校正 | 第23-25页 |
| 2.2 遥感影像增强处理 | 第25-27页 |
| 2.2.1 空域增强 | 第25-26页 |
| 2.2.2 频域增强 | 第26-27页 |
| 2.3 遥感影像融合 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于变异函数与支持向量机的道路提取算法 | 第32-50页 |
| 3.1 不同分辨率下的道路影像特征描述与分析 | 第32-33页 |
| 3.2 道路影像纹理特征提取 | 第33-39页 |
| 3.2.1 地统计学概念 | 第33-34页 |
| 3.2.2 经典统计学与地统计学的区别 | 第34-35页 |
| 3.2.3 区域化变量概念和性质 | 第35页 |
| 3.2.4 变异函数 | 第35-37页 |
| 3.2.5 利用变异函数提取道路影像的纹理特征 | 第37-39页 |
| 3.3 支持向量机分类 | 第39-42页 |
| 3.3.1 支持向量机分类原理 | 第39-42页 |
| 3.3.2 核函数 | 第42页 |
| 3.4 道路形态特征和数学形态学处理 | 第42-44页 |
| 3.4.1 道路的形态特征 | 第43页 |
| 3.4.2 数学形态学处理 | 第43-44页 |
| 3.5 道路提取流程 | 第44-46页 |
| 3.6 实验结果与分析 | 第46-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 基于时频特征与迁移支持向量机的道路提取算法 | 第50-61页 |
| 4.1 道路影像的光谱特征提取 | 第50-52页 |
| 4.1.1 三维小波变换的概念 | 第50-51页 |
| 4.1.2 利用三维小波变换提取道路影像的光谱特征 | 第51-52页 |
| 4.2 迁移支持向量机分类 | 第52-55页 |
| 4.2.1 迁移学习机原理 | 第52-53页 |
| 4.2.2 迁移最小方差支持向量机分类模型 | 第53-55页 |
| 4.3 道路提取流程 | 第55-56页 |
| 4.4 实验结果与分析 | 第56-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 全文工作总结 | 第61-62页 |
| 5.2 今后工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间发表的论文 | 第69页 |
| 攻读硕士期间参与的项目 | 第69页 |