| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 遥感技术的发展与意义 | 第9页 |
| 1.2 遥感技术在社会生活中的应用 | 第9-10页 |
| 1.2.1 植被特征的提取 | 第9页 |
| 1.2.2 水体信息的自动提取 | 第9-10页 |
| 1.2.3 居民地的特征提取 | 第10页 |
| 1.2.4 土壤检测 | 第10页 |
| 1.3 遥感技术在交通领域的应用 | 第10-11页 |
| 1.3.1 城市道路边缘提取 | 第11页 |
| 1.3.2 城市交通流参数提取 | 第11页 |
| 1.4 国内外研究现状 | 第11-13页 |
| 1.5 现有研究存在问题 | 第13-14页 |
| 1.5.1 城市道路提取方面 | 第13页 |
| 1.5.2 城市交通流提取方面 | 第13-14页 |
| 1.6 本文研究思路及内容 | 第14-16页 |
| 第2章 遥感图像处理的预处理 | 第16-25页 |
| 2.1 图像的背景消除 | 第16-19页 |
| 2.1.1 植物区域识别 | 第17页 |
| 2.1.2 分离阴影部分 | 第17-18页 |
| 2.1.3 多边形道路覆盖掩膜方法提取道路大致边缘 | 第18-19页 |
| 2.2 图像的空间域平滑 | 第19-22页 |
| 2.2.1 梯度倒数加权平滑 | 第19-20页 |
| 2.2.2 最大均匀性平滑 | 第20-21页 |
| 2.2.3 中值滤波 | 第21-22页 |
| 2.3 数学形态学 | 第22-24页 |
| 2.3.1 腐蚀 | 第22-23页 |
| 2.3.2 膨胀 | 第23页 |
| 2.3.3 开运算和闭运算 | 第23-24页 |
| 2.3.4 腐蚀和膨胀的变体 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 遥感图像道路边缘检测 | 第25-36页 |
| 3.1 Roberts 边缘算子 | 第25页 |
| 3.2 Sobel 算法 | 第25-26页 |
| 3.3 Hough 算法 | 第26-27页 |
| 3.4 模板匹配算法 | 第27-28页 |
| 3.5 SSDA 算法 | 第28页 |
| 3.6 基于减小增长误差的双阈值 SSDA 算法 | 第28-31页 |
| 3.7 实验结果及分析 | 第31-35页 |
| 3.7.1 正负样本的选择 | 第31-33页 |
| 3.7.2 实验结果分析 | 第33-35页 |
| 3.8 本章小结 | 第35-36页 |
| 第4章 车辆特征提取及优化 | 第36-50页 |
| 4.1 车辆图像分类方法特征提取 | 第36-39页 |
| 4.2 车辆检测分类方法分析 | 第39-43页 |
| 4.2.1 分类器的设计 | 第39页 |
| 4.2.2 邻近分类算法 | 第39-40页 |
| 4.2.3 SVM 支持向量机分类 | 第40-41页 |
| 4.2.4 BP 神经网络 | 第41-42页 |
| 4.2.5 模糊分类的方法实现对车辆检测的分类 | 第42-43页 |
| 4.3 车辆目标检测的优化处理 | 第43-46页 |
| 4.3.1 车辆目标提取过程优化 | 第43-44页 |
| 4.3.2 道路分界线的识别 | 第44-45页 |
| 4.3.3 优化的车辆检测分类模板匹配法 | 第45-46页 |
| 4.4 实验部分 | 第46-49页 |
| 4.4.1 实验过程 | 第46-48页 |
| 4.4.2 实验结果 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 发表论文发表情况 | 第56页 |
| 参与科研项目 | 第56页 |