机载激光点云和高光谱影像融合的城市地物分类研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 光学遥感影像信息提取现状 | 第12-13页 |
| 1.2.2 点云数据城市信息提取现状 | 第13页 |
| 1.2.3 多源数据融合分类现状 | 第13-14页 |
| 1.3 本人研究计划 | 第14-16页 |
| 1.3.1 研究目标 | 第14-15页 |
| 1.3.2 研究内容 | 第15页 |
| 1.3.3 拟突破问题 | 第15页 |
| 1.3.4 创新点与特色 | 第15-16页 |
| 1.4 技术路线及章节安排 | 第16-18页 |
| 1.4.1 技术路线 | 第16-17页 |
| 1.4.2 章节安排 | 第17-18页 |
| 第二章 多源遥感数据特征提取方法 | 第18-31页 |
| 2.1 本章概述 | 第18页 |
| 2.2 多源特征判别性分析 | 第18-20页 |
| 2.3 激光点云数据特征提取 | 第20-25页 |
| 2.3.1 高程特征 | 第21-22页 |
| 2.3.2 强度特征 | 第22-23页 |
| 2.3.3 波形特征 | 第23-25页 |
| 2.4 高光谱遥感影像特征提取 | 第25-29页 |
| 2.4.1 主成分分析法 | 第25-26页 |
| 2.4.2 光谱特征 | 第26-27页 |
| 2.4.3 空间特征 | 第27-29页 |
| 2.5 改进像元形状指数特征 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 多源遥感数据融合分类方法 | 第31-43页 |
| 3.1 本章概述 | 第31页 |
| 3.2 遥感影像常用分类算法 | 第31-37页 |
| 3.2.1 支持向量机 | 第31-35页 |
| 3.2.2 随机森林 | 第35-37页 |
| 3.3 面向对象影像分析方法 | 第37-40页 |
| 3.3.1 面向对象影像分析基本原理 | 第37-38页 |
| 3.3.2 多尺度影像分割方法 | 第38-40页 |
| 3.4 多源数据融合分类方法 | 第40-42页 |
| 3.4.1 多源数据融合的层次 | 第40-41页 |
| 3.4.2 多源数据像素级融合分类 | 第41页 |
| 3.4.3 面向对象的决策层融合分类 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 实验与结果分析 | 第43-61页 |
| 4.1 实验流程及数据介绍 | 第43-46页 |
| 4.1.1 实验流程安排 | 第43-44页 |
| 4.1.2 实验数据介绍 | 第44-46页 |
| 4.2 多源遥感数据特征提取实验 | 第46-51页 |
| 4.2.1 点云特征提取实验 | 第46-48页 |
| 4.2.2 高光谱影像特征提取实验 | 第48-50页 |
| 4.2.3 改进像元形状指数提取实验 | 第50-51页 |
| 4.3 多源数据融合分类实验 | 第51-59页 |
| 4.3.1 像素级融合分类实验 | 第51-56页 |
| 4.3.2 面向对象的决策层融合实验 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 论文总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-73页 |
| 致谢 | 第73页 |
