基于LiDAR点云与高分影像的面向对象的损毁建筑物提取方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·论文研究的背景与意义 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的研究目的和内容 | 第14页 |
| ·本文研究的关键问题及技术路线 | 第14-15页 |
| ·各章概要 | 第15-17页 |
| 第2章 LiDAR点云与高分影像的配准方法 | 第17-24页 |
| ·LiDAR系统的组成 | 第17-18页 |
| ·LiDAR点云滤波 | 第18-21页 |
| ·滤波原理 | 第18-19页 |
| ·LiDAR点云滤波方法 | 第19-21页 |
| ·LiDAR点云与高分影像配准 | 第21-23页 |
| ·LiDAR点云与高分影像配准的定义 | 第21页 |
| ·LiDAR点云与高分影像配准的主要内容 | 第21页 |
| ·LiDAR点云与高分影像的配准方法 | 第21-22页 |
| ·本次实验中所采用的配准方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 面向对象的高分影像分类方法 | 第24-39页 |
| ·高分影像分割概述 | 第24-25页 |
| ·影像分割的定义 | 第24页 |
| ·影像分割 | 第24-25页 |
| ·多尺度分割技术 | 第25-32页 |
| ·高分影像分割中的尺度问题 | 第25-27页 |
| ·最小异质性原则下的区域合并 | 第27-30页 |
| ·最优分割尺度 | 第30-32页 |
| ·面向对象的分类方法 | 第32-38页 |
| ·面向对象的模糊分类模型 | 第33-34页 |
| ·面向对象的模糊分类的流程 | 第34-36页 |
| ·常用的分类特征 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 LiDAR点云参与的多尺度分割 | 第39-51页 |
| ·实验数据概述 | 第39-40页 |
| ·LiDAR点云参与多尺度分割 | 第40-45页 |
| ·LiDAR点云参与多尺度分割的方式 | 第40-43页 |
| ·nDSM对分割尺度影响 | 第43-45页 |
| ·LiDAR点云参与下的最优尺度选择 | 第45-50页 |
| ·最优分割尺度量化参数 | 第45-49页 |
| ·最优分割尺度确定方法 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 面向对象的损毁建筑物提取 | 第51-60页 |
| ·地物分类特征选择与规则集建立 | 第51-55页 |
| ·树木分类特征 | 第51-53页 |
| ·分类特征选择与规则建立 | 第53-55页 |
| ·损毁建筑物提取流程 | 第55-56页 |
| ·面向对象分类结果与精度分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
