高分辨率遥感影像道路信息提取关键技术研究与实现--以“5.12”汶川地震为例
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·选题来源 | 第8页 |
| ·遥感影像道路分类研究现状和趋势 | 第8-10页 |
| ·半自动和自动道路特征提取 | 第8-10页 |
| ·前人的研究成果 | 第10页 |
| ·课题研究目的和意义 | 第10-13页 |
| ·研究目的 | 第10-11页 |
| ·研究意义 | 第11-13页 |
| ·论文内容安排与技术路线 | 第13-15页 |
| ·论文内容安排 | 第13-14页 |
| ·技术路线 | 第14-15页 |
| 第2章 高分辨率遥感影像特征提取综述 | 第15-28页 |
| ·遥感影像特征的基本概念 | 第15-16页 |
| ·高分辨率遥感影像纹理特征 | 第16-20页 |
| ·遥感影像纹理分析 | 第16页 |
| ·常用纹理特征提取方法 | 第16-20页 |
| ·高分辨率遥感影像几何特征 | 第20-22页 |
| ·不变矩基本理论 | 第20-21页 |
| ·不变矩的特性 | 第21-22页 |
| ·高分辨率遥感影像特征提取方法 | 第22-28页 |
| ·边缘检测 | 第22-24页 |
| ·边缘追踪 | 第24-26页 |
| ·区域分割 | 第26-28页 |
| 第3章 小波变换与支持向量机 | 第28-44页 |
| ·引言 | 第28-29页 |
| ·小波变换原理 | 第29-35页 |
| ·一维小波变换 | 第29-30页 |
| ·二维小波变换 | 第30-31页 |
| ·离散的二进制小波变换 | 第31-32页 |
| ·多分辨分析 | 第32-34页 |
| ·小波提升方案概述 | 第34-35页 |
| ·支持向量机原理阐述 | 第35-44页 |
| ·机器学习的基本概念 | 第35-37页 |
| ·统计学习理论 | 第37-44页 |
| 第4章 基于遥感影像下的震后道路信息提取 | 第44-64页 |
| ·遥感影像的基本特性 | 第44页 |
| ·道路的含义及分类 | 第44-45页 |
| ·遥感影像道路知识 | 第45-47页 |
| ·知识的含义与特性 | 第45-46页 |
| ·道路提取中的知识 | 第46-47页 |
| ·高分辨率影像中道路知识的描述 | 第47页 |
| ·高分辨率遥感影像预处理 | 第47-50页 |
| ·改进后的小波变换提升算法 | 第50-55页 |
| ·提升小波及其预测函数 | 第50-51页 |
| ·更新函数的设计 | 第51-55页 |
| ·道路影像轮廓提取 | 第55-57页 |
| ·损毁道路影像提取 | 第57-64页 |
| ·基于支持向量机的样本选取 | 第57-58页 |
| ·样本特征选取 | 第58-60页 |
| ·支持向量机分类器的设计 | 第60-64页 |
| 第5章 精度分析与损毁评估模型 | 第64-68页 |
| ·遥感图像分类精度分析概述 | 第64-66页 |
| ·试验结果及精度评价 | 第66页 |
| ·道路损毁评估 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·本文主要研究内容 | 第68页 |
| ·后续工作展望 | 第68-69页 |
| ·小结 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |
