| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第14-27页 |
| ·课题背景及研究意义 | 第14-18页 |
| ·光学遥感图像的发展历史 | 第14-15页 |
| ·光学遥感图像目标检测与识别方法的研究现状 | 第15-16页 |
| ·光学遥感图像目标检测与识别方法的发展趋势 | 第16-18页 |
| ·国内外研究机构和主流软件 | 第18页 |
| ·遥感图像中引入上下文信息进行目标检测与识别 | 第18-24页 |
| ·引入上下文的必要性 | 第18-20页 |
| ·上下文信息类型 | 第20-22页 |
| ·遥感图像目标检测识别利用上下文信息的研究现状 | 第22-23页 |
| ·面临的挑战 | 第23-24页 |
| ·论文主要工作 | 第24-25页 |
| ·论文内容安排 | 第25-27页 |
| 第二章 紧邻背景相对稳定场景的目标检测 | 第27-49页 |
| ·引言 | 第27-28页 |
| ·基于SIFT特征的SPM模型的基础方法 | 第28-32页 |
| ·SPM模型 | 第28-29页 |
| ·SIFT算子 | 第29-32页 |
| ·遥感图像紧邻背景相对稳定场景的目标检测框架 | 第32-38页 |
| ·引入邻域上下文信息的目标检测框架 | 第32-34页 |
| ·改进的SPM模型 | 第34-38页 |
| ·引入邻域上下文信息的海上舰船目标检测算法 | 第38-44页 |
| ·疑似舰船目标检测 | 第41-42页 |
| ·对疑似舰船目标进行确认 | 第42-44页 |
| ·实验结果与分析 | 第44-48页 |
| ·BPOG描述子实验评价 | 第44-45页 |
| ·舰船目标检测实验结果 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第三章 场景变化的目标检测 | 第49-67页 |
| ·引言 | 第49-51页 |
| ·遥感图像场景变化的目标检测框架 | 第51-54页 |
| ·引入目标上下文信息的目标检测框架 | 第51-53页 |
| ·pLSA模型 | 第53-54页 |
| ·引入目标上下文信息的遥感车辆目标检测算法 | 第54-61页 |
| ·上下文词汇表示 | 第56-59页 |
| ·分类算法 | 第59-61页 |
| ·实验结果与分析 | 第61-65页 |
| ·实验设置 | 第61-62页 |
| ·实验结果 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第四章 目标类别识别 | 第67-82页 |
| ·引言 | 第67-68页 |
| ·遥感图像目标类别识别框架 | 第68-71页 |
| ·引入内部上下文信息的目标识别框架 | 第68-70页 |
| ·构建内部上下文特征表示 | 第70-71页 |
| ·引入内部上下文信息的光学遥感图像舰船目标识别算法 | 第71-77页 |
| ·关键点提取和图像块特征描述 | 第75-76页 |
| ·获取目标内部上下文表示 | 第76-77页 |
| ·实验结果与分析 | 第77-80页 |
| ·参数分析 | 第79页 |
| ·识别性能分析 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 第五章 遥感图像的地物分类 | 第82-110页 |
| ·引言 | 第82-84页 |
| ·MRF模型概述 | 第84-86页 |
| ·遥感图像复杂场景的地物分类框架 | 第86-90页 |
| ·引入多种上下文信息的地物分类框架 | 第87页 |
| ·构建地物对象的邻域上下文特征 | 第87-90页 |
| ·一种基于图模型的层次化对象分割算法 | 第90-95页 |
| ·图模型表述 | 第91-93页 |
| ·树模型表述 | 第93页 |
| ·层次化分割过程 | 第93-95页 |
| ·引入多种上下文的城市地物分类算法 | 第95-100页 |
| ·获取区域对象并初始分类 | 第96-98页 |
| ·提取邻域上下文特征优化分类结果 | 第98页 |
| ·使用MRF模型引入局部区域上下文约束 | 第98-100页 |
| ·实验结果与分析 | 第100-109页 |
| ·层次化对象分割实验 | 第100-103页 |
| ·遥感地物分类实验 | 第103-109页 |
| ·本章小结 | 第109-110页 |
| 第六章 结论与展望 | 第110-112页 |
| 致谢 | 第112-113页 |
| 参考文献 | 第113-127页 |
| 作者在学期间取得的学术成果 | 第127-129页 |
| 攻读博士期间参加和完成的科研任务 | 第129页 |