| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 遥感图像中道路提取的概况 | 第10-11页 |
| 1.1.2 高分辨率遥感图像的特点及其中的道路特征分析 | 第11页 |
| 1.1.3 高分辨率遥感图像中道路提取的难点和关键技术 | 第11-12页 |
| 1.2 遥感图像中道路提取的研究现状 | 第12-15页 |
| 1.2.1 道路提取的半自动化方法 | 第13页 |
| 1.2.2 道路提取的自动化方法 | 第13-15页 |
| 1.3 本文的研究内容和文章结构 | 第15-18页 |
| 第2章 面向道路提取的高分辨率遥感图像预处理 | 第18-26页 |
| 2.1 遥感图像增强处理 | 第18-22页 |
| 2.1.1 遥感图像对比度扩展处理 | 第19-22页 |
| 2.1.2 遥感图像锐化处理 | 第22页 |
| 2.2 遥感图像平滑处理 | 第22-24页 |
| 2.3 图像预处理流程 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 高分辨率遥感图像中道路特征的提取 | 第26-37页 |
| 3.1 遥感图像特征提取的基本概念 | 第26-27页 |
| 3.2 高分辨率遥感图像光谱特征提取 | 第27-29页 |
| 3.2.1 均值类 | 第27页 |
| 3.2.2 二阶统计特征 | 第27-28页 |
| 3.2.3 本文采取的光谱特征 | 第28-29页 |
| 3.3 高分辨率遥感图像纹理特征提取 | 第29-36页 |
| 3.3.1 遥感图像纹理分析 | 第29-30页 |
| 3.3.2 常用纹理特征的提取方法 | 第30-33页 |
| 3.3.3 本文采用的纹理特征 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于多特征的高分辨率遥感图像道路提取研究 | 第37-57页 |
| 4.1 基于多特征的高分辨率遥感图像道路提取 | 第37-38页 |
| 4.1.1 高分辨率遥感图像中的道路模型 | 第37页 |
| 4.1.2 高分辨率遥感图像道路提取技术路线 | 第37-38页 |
| 4.2 基于 Mahalanobis 距离的光谱特征和纹理特征的数学描述 | 第38-42页 |
| 4.2.1 光谱特征数学描述 | 第38-39页 |
| 4.2.2 纹理特征数学描述 | 第39-41页 |
| 4.2.3 数据规范化处理 | 第41-42页 |
| 4.3 基于 Dempster-Shafer 证据理论决策级融合的道路提取 | 第42-48页 |
| 4.3.1 Dempster-Shafer 证据理论的基本概念 | 第42-43页 |
| 4.3.2 基于Dempster-Shafer 证据理论的决策级融合 | 第43-48页 |
| 4.4 目标道路图像的后续处理 | 第48-51页 |
| 4.4.1 基于方向滤波的噪音去除 | 第48-49页 |
| 4.4.2 基于数学形态学的图像修正 | 第49-51页 |
| 4.5 实验结果与分析 | 第51-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第5章 总结及展望 | 第57-60页 |
| 5.1 总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65-67页 |
