基于无人机影像数据灾损信息提取研究--以汶川县草坡乡为例
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-15页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.1.1 研究的背景 | 第9-10页 |
| 1.1.2 研究的意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外灾损信息提取研究现状 | 第10-11页 |
| 1.2.2 国内灾损信息提取研究现状 | 第11-12页 |
| 1.3 研究内容及技术路线 | 第12-15页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 技术路线 | 第12-13页 |
| 1.3.3 文章章节安排 | 第13-15页 |
| 第2章 研究区概况及数据处理 | 第15-21页 |
| 2.1 研究区概况 | 第15-16页 |
| 2.1.1 地理概况 | 第15-16页 |
| 2.1.2 地形地貌 | 第16页 |
| 2.1.3 气候特点 | 第16页 |
| 2.1.4 受灾情况 | 第16页 |
| 2.2 研究区数据 | 第16-17页 |
| 2.3 数据处理 | 第17-21页 |
| 2.3.1 无人机影像的拼接 | 第17-18页 |
| 2.3.2 无人机影像的几何校正 | 第18-21页 |
| 第3章 遥感影像的分割及分类技术 | 第21-33页 |
| 3.1 遥感影像分割算法 | 第21-24页 |
| 3.1.1 基于阈值选取的分割算法 | 第21-22页 |
| 3.1.2 基于边缘检测的分割算法 | 第22页 |
| 3.1.3 基于区域的图像分割算法 | 第22-23页 |
| 3.1.4 基于模糊理论的图像分割算法 | 第23页 |
| 3.1.5 基于其他模型的图像分割算法 | 第23-24页 |
| 3.2 遥感影像的多尺度分割技术 | 第24-28页 |
| 3.2.1 多尺度分割的概念 | 第24页 |
| 3.2.2 多尺度分割算法描述 | 第24-26页 |
| 3.2.3 分割参数选取 | 第26-27页 |
| 3.2.4 最优分割尺度 | 第27-28页 |
| 3.3 面向对象的影像分类方法 | 第28-30页 |
| 3.3.1 模糊分类 | 第28-29页 |
| 3.3.2 最邻近分类 | 第29-30页 |
| 3.4 基于像元的分类方法 | 第30-33页 |
| 第4章 草坡乡无人机影像的灾损信息提取 | 第33-60页 |
| 4.1 多尺度分割及最优分割尺度选取 | 第33-38页 |
| 4.2 特征值选择 | 第38-40页 |
| 4.3 受损水系信息识别提取 | 第40-43页 |
| 4.3.1 水系属性特征 | 第40-41页 |
| 4.3.2 受损水系信息提取 | 第41-43页 |
| 4.4 受损道路信息识别提取 | 第43-47页 |
| 4.4.1 道路属性特征 | 第43页 |
| 4.4.2 受损道路信息提取 | 第43-47页 |
| 4.5 受损建筑物信息识别提取 | 第47-51页 |
| 4.5.1 建筑物属性特征 | 第47-48页 |
| 4.5.2 受损建筑物信息提取 | 第48-51页 |
| 4.6 滑坡信息识别提取 | 第51-53页 |
| 4.7 基于像元的灾损信息提取 | 第53-54页 |
| 4.8 分类精度评定 | 第54-56页 |
| 4.8.1 精度评价指标 | 第54-56页 |
| 4.8.2 精度评价分析 | 第56页 |
| 4.9 草坡乡灾损信息统计分析 | 第56-60页 |
| 4.9.1 草坡乡灾损信息提取专题图 | 第56-57页 |
| 4.9.2 草坡乡灾损信息统计分析 | 第57-60页 |
| 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间取得学术成果 | 第68页 |
