Landsat遥感图像中云雾的检测和自动分割
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 基于经验模型的方法 | 第15-18页 |
| 1.2.2 基于变换的方法 | 第18-19页 |
| 1.2.3 基于混合像元分解的方法 | 第19页 |
| 1.3 研究目标和内容 | 第19-20页 |
| 1.3.1 研究目标 | 第19页 |
| 1.3.2 研究内容 | 第19-20页 |
| 1.4 研究方法和技术路线 | 第20-21页 |
| 1.4.1 研究方法 | 第20页 |
| 1.4.2 技术路线 | 第20-21页 |
| 1.5 论文的组织结构 | 第21-22页 |
| 第2章 实验区及数据 | 第22-27页 |
| 2.1 遥感图像的选择 | 第22页 |
| 2.2 实验区选取 | 第22-23页 |
| 2.3 数据来源 | 第23-26页 |
| 2.3.1 传感器特征 | 第23-25页 |
| 2.3.2 图像选择 | 第25-26页 |
| 2.4 图像预处理 | 第26-27页 |
| 第3章 遥感图像中云雾的特征和自动检测 | 第27-43页 |
| 3.1 气象学中的云和雾 | 第27页 |
| 3.2 遥感图像中的云雾 | 第27-28页 |
| 3.3 遥感图像降质模型 | 第28-29页 |
| 3.4 图像中云雾的差异和定义 | 第29-35页 |
| 3.5 基于对象的云雾检测 | 第35-38页 |
| 3.5.1 算法步骤 | 第35-37页 |
| 3.5.2 算法验证 | 第37-38页 |
| 3.6 基于暗原色先验知识的局部暗目标法云雾检测 | 第38-43页 |
| 3.6.1 图像暗原色先验知识 | 第39页 |
| 3.6.2 基于暗原色先验知识的局部暗目标法 | 第39-40页 |
| 3.6.3 算法验证 | 第40-43页 |
| 第4章 遥感图像中云雾自动分割模型 | 第43-59页 |
| 4.1 分割模型 | 第43-48页 |
| 4.1.1 图像暗目标搜索 | 第43页 |
| 4.1.2 窗口大小的选择 | 第43-45页 |
| 4.1.3 图像中高亮地物的处理 | 第45页 |
| 4.1.4 自动阈值分割 | 第45-46页 |
| 4.1.5 分割结果的修正 | 第46页 |
| 4.1.6 分割模型流程图及功能模块 | 第46-48页 |
| 4.2 模型验证 | 第48-53页 |
| 4.2.1 Type1的图像测试 | 第48-49页 |
| 4.2.2 Type2的图像测试 | 第49页 |
| 4.2.3 Type3的图像测试 | 第49-50页 |
| 4.2.4 Type1和Type2的图像测试 | 第50-51页 |
| 4.2.5 Type1和Type3的图像测试 | 第51页 |
| 4.2.6 Type2和Type3的图像测试 | 第51-52页 |
| 4.2.7 同时包含三大区域的典型图像测试 | 第52-53页 |
| 4.3 精度评价 | 第53-59页 |
| 4.3.1 ATCOR2模型 | 第53-54页 |
| 4.3.2 ATCOR2模型测试 | 第54-55页 |
| 4.3.3 分割结果评价 | 第55-59页 |
| 第5章 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59-60页 |
| 5.2 创新点 | 第60页 |
| 5.3 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录A Fmask算法云雾检测结果对比 | 第65-67页 |
| 附录B HTM法的云雾检测结果对比 | 第67-69页 |
| 附录C 不同窗口大小的图像分割结果对比 | 第69-72页 |
| 附录D 模型云雾分割结果 | 第72-78页 |
| 致谢 | 第78页 |
