| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 主要符号对照表 | 第15-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 课题背景 | 第17-20页 |
| 1.2 本文的工作与贡献 | 第20-21页 |
| 1.3 本文的组织架构 | 第21-23页 |
| 第二章 相关工作 | 第23-31页 |
| 2.1 基于遥感图像的地物分类 | 第23-24页 |
| 2.1.1 概述 | 第23页 |
| 2.1.2 常用方法 | 第23-24页 |
| 2.2 建筑物区域的识别和分割 | 第24-28页 |
| 2.2.1 概述 | 第24-25页 |
| 2.2.2 基于人工设定特征 | 第25-26页 |
| 2.2.3 基于深度学习特征 | 第26-28页 |
| 2.3 物体轮廓估计与表达 | 第28-31页 |
| 2.3.1 概述 | 第28-29页 |
| 2.3.2 形状分解法 | 第29页 |
| 2.3.3 多边形拟合法 | 第29-31页 |
| 第三章 基于多层级融合全卷积神经网络的建筑物区域识别 | 第31-41页 |
| 3.1 概述 | 第31页 |
| 3.2 网络结构 | 第31-32页 |
| 3.3 损失函数 | 第32-34页 |
| 3.4 设计原理及分析 | 第34-41页 |
| 3.4.1 全卷积层原理 | 第34-35页 |
| 3.4.2 反卷积层原理 | 第35页 |
| 3.4.3 感知野 | 第35-37页 |
| 3.4.4 HF-FCN工作机制 | 第37-41页 |
| 第四章 基于迭代式结构点检测法的建筑物轮廓估计 | 第41-57页 |
| 4.1 概述 | 第41页 |
| 4.2 建筑物区域后处理 | 第41-48页 |
| 4.2.1 分离不同尺寸建筑物 | 第43-44页 |
| 4.2.2 两种尺寸建筑物的后处理 | 第44-48页 |
| 4.3 轮廓估计与表达 | 第48-57页 |
| 4.3.1 小尺寸建筑物轮廓估计 | 第50页 |
| 4.3.2 基于迭代式结构点算法的轮廓估计 | 第50-57页 |
| 第五章 实验过程与结果 | 第57-69页 |
| 5.1 建筑物区域识别 | 第57-63页 |
| 5.1.1 数据集的构建 | 第57-58页 |
| 5.1.2 网络搭建与训练 | 第58-59页 |
| 5.1.3 算法性能比较 | 第59-63页 |
| 5.2 建筑物轮廓估计 | 第63-69页 |
| 5.2.1 算法复杂度评估 | 第63-66页 |
| 5.2.2 轮廓估计误差评估 | 第66-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 论文总结 | 第69-70页 |
| 6.2 未来展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录A 反卷积层初始化代码 | 第75-77页 |
| 致谢 | 第77-79页 |
| 在读期间发表的学术论文与取得的研究成果 | 第79页 |