| 摘要 | 第1-14页 |
| Abstract | 第14-17页 |
| 第一章 绪论 | 第17-34页 |
| ·复杂场景遥感图像目标检测研究背景及其意义 | 第17-21页 |
| ·复杂场景遥感图像目标检测问题的提出 | 第18-19页 |
| ·感兴趣目标的总结 | 第19-20页 |
| ·研究的意义 | 第20-21页 |
| ·遥感图像目标检测方法研究现状 | 第21-29页 |
| ·基于分类技术的检测方法 | 第21-25页 |
| ·基于知识的检测方法 | 第25-28页 |
| ·现有检测方法的不足 | 第28页 |
| ·国内外主要相关研究机构 | 第28-29页 |
| ·研究内容 | 第29-31页 |
| ·复杂场景遥感图像目标检测中的知识表示与场景描述 | 第29-30页 |
| ·复杂场景遥感图像目标检测中的特征提取方法 | 第30页 |
| ·复杂场景遥感图像目标检测中的目标搜索策略 | 第30-31页 |
| ·复杂场景遥感图像目标检测中的图像获取策略 | 第31页 |
| ·主要研究成果 | 第31-32页 |
| ·论文结构 | 第32-34页 |
| 第二章 一种用于知识表示与推理的面向对象因子图 | 第34-63页 |
| ·基本思想 | 第34-36页 |
| ·面向对象因子图的定义 | 第36-40页 |
| ·面向对象因子图的动态机制 | 第40-44页 |
| ·面向问题的模型裁减 | 第41-43页 |
| ·推理过程中新对象的插入 | 第43-44页 |
| ·推理过程中对象状态的动态改变 | 第44页 |
| ·面向对象因子图中的概率推理算法 | 第44-51页 |
| ·精确推理 | 第44-47页 |
| ·基于吉布森采样的近似推理 | 第47-48页 |
| ·基于变分法的近似推理 | 第48-49页 |
| ·推理算法的消息传递实现 | 第49-51页 |
| ·面向对象因子图的建立方法 | 第51-59页 |
| ·基于领域知识的模型框架建立 | 第51-55页 |
| ·基于领域知识的因子函数确定 | 第55-56页 |
| ·基于样本的学习方法 | 第56-59页 |
| ·面向对象因子图的分类能力 | 第59-62页 |
| ·超平面分界面 | 第60-61页 |
| ·超球面分界面 | 第61-62页 |
| ·小结 | 第62-63页 |
| 第三章 用于复杂场景遥感图像目标检测的面向对象因子图 | 第63-82页 |
| ·复杂场景遥感图像目标检测问题分析 | 第63-70页 |
| ·复杂场景遥感图像目标检测问题中的不确定性 | 第63-68页 |
| ·复杂场景遥感图像目标检测问题中的层次结构 | 第68-70页 |
| ·复杂场景遥感图像目标检测中的特征 | 第70-75页 |
| ·遥感图像判图员常用特征分析策略 | 第70-73页 |
| ·遥感图像目标检测中的特征选择标准 | 第73-75页 |
| ·复杂场景遥感图像目标检测中的特征提取策略 | 第75页 |
| ·复杂场景遥感图像目标检测中面向对象因子图的建立 | 第75-80页 |
| ·复杂场景遥感图像目标检测过程分析 | 第76-77页 |
| ·基于面向对象因子图类的知识表示 | 第77-78页 |
| ·基于面向对象因子图动态机制的场景描述更新 | 第78-80页 |
| ·小结 | 第80-82页 |
| 第四章 复杂场景遥感图像目标检测中的基元特征提取方法 | 第82-119页 |
| ·复杂场景遥感图像目标检测中的光谱特征提取方法 | 第82-88页 |
| ·地物光谱测定 | 第82-83页 |
| ·典型传感器波段特性分析 | 第83-84页 |
| ·一种高分辨率可见光遥感图像光谱特征提取方法 | 第84-88页 |
| ·复杂场景遥感图像目标检测中的边缘检测方法 | 第88-104页 |
| ·边缘类别分析 | 第88-89页 |
| ·现有彩色图像边缘检测方法总结 | 第89-90页 |
| ·边缘检测算法的评价标准 | 第90-92页 |
| ·一种基于扇形算子簇的彩色图像边缘检测算法 | 第92-104页 |
| ·复杂场景遥感图像目标检测中的局部纹理特征提取方法 | 第104-118页 |
| ·遥感图像解译中的局部纹理特征分析 | 第104-105页 |
| ·遥感图像中现有纹理分析方法总结 | 第105页 |
| ·一种用于纹理分析中的Gabor 滤波快速实现方法 | 第105-118页 |
| ·小结 | 第118-119页 |
| 第五章 复杂场景遥感图像目标检测中的结构特征提取方法 | 第119-155页 |
| ·遥感图像目标检测中的结构特征总结 | 第119-121页 |
| ·感知组合在结构特征提取中的应用 | 第121-124页 |
| ·格式塔心理学中的感知组合规律 | 第121-122页 |
| ·感知组合规律在计算机视觉中的应用现状 | 第122-124页 |
| ·结构特征提取中可能用到的感知组合规律 | 第124页 |
| ·一种基于面向对象因子图的结构特征描述方法 | 第124-137页 |
| ·结构特征父类与结构特征的层次描述 | 第125-126页 |
| ·关键点特征的描述 | 第126-127页 |
| ·线特征的描述 | 第127-128页 |
| ·形状特征的描述 | 第128-129页 |
| ·空间关系特征的描述 | 第129-136页 |
| ·与现有结构特征描述方法的比较 | 第136-137页 |
| ·一种基于面向对象因子图的结构特征提取方法 | 第137-153页 |
| ·关键点特征提取方法 | 第138-140页 |
| ·线特征的提取方法 | 第140-147页 |
| ·区域形状特征的提取方法 | 第147-153页 |
| ·小结 | 第153-155页 |
| 第六章 基于面向对象因子图的带视觉注意机制的目标搜索 | 第155-202页 |
| ·视觉注意机制的生物学基础 | 第155-156页 |
| ·面向对象因子图中视觉注意机制的实现原理 | 第156-164页 |
| ·基于面向对象因子图的视觉注意机制的贝叶斯判别原理 | 第157-161页 |
| ·基于显著性分布图的目标检测顶层因子图的近似 | 第161-163页 |
| ·基于显著性分布图的视觉注意模型 | 第163-164页 |
| ·基于近似高斯金字塔的视觉注意模型快速算法 | 第164-177页 |
| ·最优近似参数求取 | 第165-168页 |
| ·视觉注意模型快速近似算法 | 第168-173页 |
| ·算法分析与比较 | 第173-174页 |
| ·实验结果分析 | 第174-177页 |
| ·一种带视觉注意机制的目标搜索策略 | 第177-182页 |
| ·目标检测中显著性分布图的计算 | 第178-181页 |
| ·基于显著性分布图的感兴趣区域提取 | 第181页 |
| ·基于感兴趣区域的目标搜索 | 第181-182页 |
| ·带视觉注意机制目标搜索策略的应用 | 第182-200页 |
| ·可见光高分辨率遥感图像中带视觉注意机制的水体检测 | 第183-192页 |
| ·可见光高分辨率遥感图像中带视觉注意机制的港口检测 | 第192-197页 |
| ·可见光高分辨率遥感图像中带视觉注意机制的离港舰船检测 | 第197-200页 |
| ·小结 | 第200-202页 |
| 第七章 一种基于历史信息的利于目标检测的卫星调度方案 | 第202-214页 |
| ·对地观测卫星成像调度问题分析 | 第202-203页 |
| ·基于历史信息的候选成像窗口回报值分布图计算 | 第203-208页 |
| ·基于历史信息的运动目标观测任务区域化 | 第204-205页 |
| ·候选成像窗口回报值分布图定义 | 第205-207页 |
| ·候选成像窗口回报值分布图快速计算方法 | 第207页 |
| ·候选成像窗口回报值分布图快速修正方法 | 第207-208页 |
| ·给定时段内最优成像窗口序列求取 | 第208-212页 |
| ·基于无圈有向图最长路径的地观测卫星成像调度模型 | 第208-209页 |
| ·最优成像窗口序列的求取 | 第209-210页 |
| ·算法复杂度分析 | 第210-211页 |
| ·仿真结果分析 | 第211-212页 |
| ·小结 | 第212-214页 |
| 第八章 总结与展望 | 第214-216页 |
| ·工作总结 | 第214-215页 |
| ·研究展望 | 第215-216页 |
| 致谢 | 第216-217页 |
| 参考文献 | 第217-230页 |
| 攻读博士学位期间撰写的论文 | 第230-231页 |
