中文摘要 | 第1-4页 |
Abstract | 第4-8页 |
第一章 绪论 | 第8-25页 |
·研究背景 | 第8-9页 |
·高空间分辨率遥感影像简介 | 第9-13页 |
·高空间分辨率遥感影像的主要产品 | 第9-10页 |
·GeoEye和QuickBird卫星影像简介 | 第10-13页 |
·GeoEye高空间分辨率遥感卫星 | 第11-12页 |
·QuickBird高空间分辨率遥感卫星 | 第12-13页 |
·高空间分辨率遥感影像分割方法研究综述 | 第13-19页 |
·影像分割的相关概念 | 第13-14页 |
·影像分割方法 | 第14-19页 |
·基于像元的分割方法 | 第15-16页 |
·基于边缘的分割方法 | 第16-17页 |
·基于区域的分割方法 | 第17页 |
·基于物理模型的分割方法 | 第17-18页 |
·结合特定数学理论、技术和方法的分割方法 | 第18-19页 |
·高空间分辨率遥感影像分割的基本策略 | 第19-21页 |
·高空间分辨率遥感影像分割存在的问题和研究趋势 | 第21-23页 |
·存在问题 | 第21-22页 |
·研究趋势 | 第22-23页 |
·论文研究框架体系 | 第23-25页 |
·研究内容 | 第23页 |
·技术路线 | 第23-24页 |
·章节安排 | 第24-25页 |
第二章 面向高空间分辨率遥感影像分割的预处理技术 | 第25-42页 |
·高空间分辨率遥感影像分割预处理技术 | 第25页 |
·高空间分辨率遥感影像融合处理 | 第25-33页 |
·高空间分辨率遥感影像融合 | 第26-27页 |
·影像融合实验 | 第27-33页 |
·数据源与实验区概况 | 第27-28页 |
·实验方法 | 第28页 |
·实验结果分析 | 第28-33页 |
·实验结论 | 第33页 |
·高空间分辨率遥感影像滤波处理 | 第33-42页 |
·影像滤波实验 | 第33-41页 |
·数据源与实验区概况 | 第33-34页 |
·实验方法 | 第34页 |
·实验结果分析 | 第34-41页 |
·实验结论 | 第41-42页 |
第三章 高空间分辨率遥感影像的边缘信息提取 | 第42-52页 |
·高空间分辨率遥感影像边缘检测 | 第42页 |
·改进的Canny矢量边缘检测算法 | 第42-45页 |
·高空间分辨率遥感影像的高斯平滑 | 第43页 |
·高空间分辨率遥感影像的梯度矢量 | 第43-44页 |
·采用非最大抑制法确定初步边缘点 | 第44页 |
·双阈值分割及边缘点检测 | 第44-45页 |
·改进的Canny加权矢量与标量边缘检测算法 | 第45页 |
·矢量边缘检测以及加权矢量与标量边缘检测实验 | 第45-52页 |
·矢量边缘检测实验 | 第45-48页 |
·实验区概况与实验方法 | 第45-47页 |
·实验结果分析 | 第47-48页 |
·实验结论 | 第48页 |
·加权矢量与标量边缘检测实验 | 第48-52页 |
·实验区概况与实验方法 | 第48-50页 |
·实验结果分析 | 第50-51页 |
·实验结论 | 第51-52页 |
第四章 基于区域的高空间分辨率遥感影像分割方法 | 第52-79页 |
·基于区域的影像分割方法 | 第52-53页 |
·空-值域联合的多尺度均值漂移分割算法概述 | 第53-57页 |
·均值漂移向量的基本形式 | 第53页 |
·均值漂移算法的扩展 | 第53-54页 |
·核函数 | 第53-54页 |
·权重系数 | 第54页 |
·多变量核函数密度估计 | 第54-55页 |
·高分影像空-值域联合的核密度梯度估计 | 第55-56页 |
·空-值域联合的多尺度均值漂移分割算法及流程 | 第56-57页 |
·空-值域联合的多尺度均值漂移算法分割实验 | 第57-79页 |
·实验区概况与实验方法 | 第57-58页 |
·实验结果分析 | 第58-78页 |
·实验结论 | 第78-79页 |
第五章 边缘区域集成的高空间分辨率遥感影像分割方法 | 第79-122页 |
·边缘与区域集成的策略 | 第79-80页 |
·嵌入式集成策略 | 第79-80页 |
·后处理集成策略 | 第80页 |
·AICMS算法概述 | 第80-83页 |
·基于边缘信息的空域半径计算模型 | 第81页 |
·基于边缘信息的尺度计算模型 | 第81-82页 |
·基于影像光谱统计信息的值域半径计算模型 | 第82页 |
·AICMS算法及流程 | 第82-83页 |
·AICMS算法分割实验 | 第83-112页 |
·实验区概况与实验方法 | 第83页 |
·实验结果分析 | 第83-112页 |
·实验结论 | 第112页 |
·AICMS与eCognition多尺度分割算法对比分析 | 第112-122页 |
·eCognition多尺度分割算法简介 | 第112-113页 |
·分割实验数据和结果分析 | 第113-121页 |
·实验结论 | 第121-122页 |
第六章 结论与展望 | 第122-124页 |
·结论 | 第122-123页 |
·主要创新点 | 第123页 |
·展望 | 第123-124页 |
参考文献 | 第124-135页 |
致谢 | 第135-136页 |
个人简历、在学期间的研究成果及发表的学术论文 | 第136-137页 |