| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 基于光谱知识的水系信息获取的研究现状 | 第9-11页 |
| 1.2.2 利用DEM提取水系信息的现状 | 第11-13页 |
| 1.3 研究内容及技术路线 | 第13页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 技术路线 | 第13页 |
| 1.4 研究数据及研究区域概况 | 第13-16页 |
| 1.4.1 研究数据 | 第13-14页 |
| 1.4.2 研究区域概况 | 第14-16页 |
| 2 数据预处理 | 第16-20页 |
| 2.1 辐射校正 | 第16-17页 |
| 2.2 几何校正 | 第17-20页 |
| 3 基于eCognition的水系分割方法研究 | 第20-34页 |
| 3.1 图像分割理论 | 第20-21页 |
| 3.1.1 图像分割的定义 | 第20页 |
| 3.1.2 图像分割原理 | 第20-21页 |
| 3.2 多尺度分割算法(Multiresolution segmentation) | 第21-25页 |
| 3.2.1 多尺度分割概念 | 第21页 |
| 3.2.2 多尺度分割算法 | 第21-24页 |
| 3.2.3 多尺度分割算法步骤 | 第24-25页 |
| 3.3 四叉树分割算法(Quadtree segmentation) | 第25页 |
| 3.3.1 四叉树分割基本概念 | 第25页 |
| 3.3.2 四叉树分割算法 | 第25页 |
| 3.4 棋盘分割算法(Chessboard segmentation) | 第25-26页 |
| 3.5 基于eCognition的水系分割 | 第26-33页 |
| 3.5.1 分割采用平台 | 第26页 |
| 3.5.2 分割精度评定指标 | 第26-27页 |
| 3.5.3 基于eCognition的分割对比研究 | 第27-29页 |
| 3.5.4 多尺度分割算法的水系分割实验 | 第29-33页 |
| 3.6 本章小结 | 第33-34页 |
| 4 水系分类方法研究 | 第34-48页 |
| 4.1 基于像元的分类方法 | 第34-38页 |
| 4.1.1 监督分类 | 第34-36页 |
| 4.1.2 非监督分类 | 第36-38页 |
| 4.2 面向对象的分类方法 | 第38-46页 |
| 4.2.1 基于eCognition的影像分类 | 第38-39页 |
| 4.2.2 基于eCognition的水系分类方法 | 第39-40页 |
| 4.2.3 基于eCognition的常用分类特征 | 第40-44页 |
| 4.2.4 基于eCognition水系分类 | 第44-46页 |
| 4.3 基于GIS的水系提取方法 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 周至县的水网基本统计 | 第48-52页 |
| 5.1 水网统计的指标 | 第48页 |
| 5.2 水系统计的分析单元 | 第48-49页 |
| 5.3 水系统计结果及分析 | 第49-50页 |
| 5.3.1 水网密度基本统计 | 第49-50页 |
| 5.3.2 不同监测时段水网密度变化量分析 | 第50页 |
| 5.4 本章小结 | 第50-52页 |
| 6 结论与展望 | 第52-54页 |
| 6.1 研究结论 | 第52-53页 |
| 6.2 研究展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
