| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·数据挖掘的国内外研究现状 | 第9-11页 |
| ·道路特征提取及识别的国内外研究现状 | 第11-12页 |
| ·目前存在的问题 | 第12-13页 |
| ·研究内容及论文安排 | 第13-14页 |
| 第二章 基于希尔伯特黄变换SAR图像去噪方法 | 第14-33页 |
| ·常见SAR图像噪声去除方法 | 第14-18页 |
| ·多级中值滤波方法 | 第15-16页 |
| ·增强Lee滤波方法 | 第16-18页 |
| ·维纳滤波方法 | 第18页 |
| ·基于希尔伯特黄变换图像去噪方法 | 第18-24页 |
| ·希尔伯特黄变换原理 | 第18-21页 |
| ·希尔伯特黄变换应用于SAR图像去除噪声的可行性 | 第21-22页 |
| ·去噪算法 | 第22-24页 |
| ·滤波性能对比及评价指标 | 第24-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 Canny算子与小波变换相结合道路边缘特征提取算法 | 第33-49页 |
| ·特征提取方法 | 第33-39页 |
| ·颜色特征提取方法 | 第33-34页 |
| ·纹理特征提取方法 | 第34-37页 |
| ·形状特征提取方法 | 第37-39页 |
| ·目标边缘特征提取算法 | 第39-44页 |
| ·Canny边缘特征提取方法 | 第40-41页 |
| ·小波边缘特征提取方法 | 第41-44页 |
| ·Canny与小波相结合边缘特征提取方法 | 第44-45页 |
| ·Canny与小波变换结合的可行性分析 | 第44页 |
| ·边缘特征提取算法 | 第44-45页 |
| ·实验结果及分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于改进BP神经网络遥感图像道路目标挖掘算法 | 第49-60页 |
| ·BP神经网络方法 | 第49-55页 |
| ·BP神经网络学习方法 | 第50页 |
| ·BP神经网络优缺点 | 第50-52页 |
| ·BP神经网络优化方法 | 第52页 |
| ·模拟退火法 | 第52-55页 |
| ·基于改进BP神经网络遥感图像道路挖掘算法 | 第55-57页 |
| ·基于改进BP神经网络单一特征遥感图像道路挖掘方法 | 第55-56页 |
| ·基于改进BP神经网络多特征结合遥感图像道路挖掘方法 | 第56-57页 |
| ·实验结果及分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 结论 | 第60-62页 |
| ·论文工作总结 | 第60-61页 |
| ·进一步展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 申请学位期间的研究成果及发表学术论文 | 第65-66页 |
| 致谢 | 第66页 |
