| 博士学位论文创新点 | 第1-7页 |
| 目录 | 第7-11页 |
| 摘要 | 第11-14页 |
| Abstract | 第14-17页 |
| 第一章 绪论 | 第17-29页 |
| ·研究背景与意义 | 第17-19页 |
| ·高分辨率影像变化检测面临的问题与研究现状 | 第19-25页 |
| ·高分辨率影像变化检测的难点 | 第19-20页 |
| ·研究现状与存在的问题 | 第20-25页 |
| ·论文的研究内容与章节安排 | 第25-29页 |
| ·研究内容 | 第25-27页 |
| ·章节安排 | 第27-29页 |
| 第二章 传统变化检测方法综述与实验 | 第29-65页 |
| 导读 | 第29页 |
| ·技术路线 | 第29-51页 |
| ·影像预处理 | 第30-31页 |
| ·基于像元光谱信息的变化检测 | 第31-38页 |
| ·代数运算法 | 第31-34页 |
| (1) 影像差值法 | 第31-32页 |
| (2) 影像比值法 | 第32页 |
| (3) 变化向量分析(CVA) | 第32-34页 |
| ·影像变换法 | 第34-38页 |
| (1) 主成分分析(PCA) | 第34-35页 |
| (2) 多元变换探测(MAD) | 第35-36页 |
| (3) 独立成分分析(ICA) | 第36-38页 |
| ·模糊聚类法 | 第38页 |
| ·顾及影像空间信息的变化检测 | 第38-45页 |
| ·神经网络法 | 第39-44页 |
| (1) 反向传播神经网络(BPNN) | 第39-41页 |
| (2) 概率神经网络(PNN) | 第41-42页 |
| (3) Hopfield神经网络(HNN) | 第42-44页 |
| ·面向对象法 | 第44-45页 |
| ·阈值选择 | 第45-48页 |
| (1) Otsu阈值选择 | 第46-47页 |
| (2) 基于边缘灰度聚类的阈值选择 | 第47-48页 |
| ·精度评定 | 第48-51页 |
| (1) 影像分类评价指标 | 第48-50页 |
| (2) 目标探测评价指标 | 第50-51页 |
| ·实验与分析 | 第51-63页 |
| ·数据与研究区域 | 第51-53页 |
| ·基于像元光谱信息的算法实验结果 | 第53-59页 |
| (1) 代数运算法 | 第53-56页 |
| (2) 影像变换法 | 第56-59页 |
| ·顾及影像空间信息的算法实验结果 | 第59-63页 |
| (1) 面向对象法 | 第59-60页 |
| (2) 神经网络法 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 第三章 面向对象的高分辨率影像变化检测 | 第65-91页 |
| 导读 | 第65页 |
| ·面向对象变化分析(OBCA) | 第65-69页 |
| ·面向对象分析思想 | 第65-66页 |
| ·分型网络进化算法(FNEA) | 第66-68页 |
| ·面向对象的影像变化分析思路 | 第68-69页 |
| ·基于遗传算法的面向对象变化检测 | 第69-72页 |
| ·基于遗传算法的影像分析 | 第69-70页 |
| ·基于遗传算法的面向对象变化检测 | 第70-72页 |
| ·基于K-S检验的面向对象变化检测 | 第72-75页 |
| ·基于K-S检验的影像分析 | 第72-73页 |
| ·K-S双样本检验 | 第73-74页 |
| ·基于K-S双样本检验的面向对象变化检测 | 第74-75页 |
| ·实验与分析 | 第75-89页 |
| ·数据与研究区域 | 第75-78页 |
| ·基于遗传算法的面向对象变化检测 | 第78-82页 |
| ·基于K-S检验的面向对象变化检测 | 第82-86页 |
| ·比较与分析 | 第86-89页 |
| ·本章小结 | 第89-91页 |
| 第四章 顾及对象空间关系的多源高分辨率影像变化检测 | 第91-111页 |
| 导读 | 第91页 |
| ·面向对象的多源影像变化分析思路 | 第91-92页 |
| ·顾及对象空间关系的多源影像变化检测 | 第92-98页 |
| ·基于映射的多时相影像分割 | 第93-94页 |
| ·顾及空间关系的对象相似性计算 | 第94-96页 |
| ·自动阈值选择 | 第96-97页 |
| ·多尺度融合 | 第97-98页 |
| ·实验与分析 | 第98-108页 |
| ·数据与研究区域 | 第98-101页 |
| ·实验结果分析 | 第101-108页 |
| (1) 数据一 | 第101-105页 |
| (2) 数据二 | 第105-108页 |
| ·本章小结 | 第108-111页 |
| 第五章 高分辨率影像房屋对象变化检测 | 第111-145页 |
| 导读 | 第111页 |
| ·高分辨率影像房屋提取 | 第111-112页 |
| ·形态学房屋指数(MBI) | 第111-112页 |
| ·基于脉冲耦合神经网络(PCNN)的房屋变化检测 | 第112-117页 |
| ·基于PCNN的影像分析 | 第112-115页 |
| ·基于PCNN的房屋变化检测 | 第115-117页 |
| ·房屋容错性变化检测 | 第117-123页 |
| ·基于Harris角点探测的房屋特征点提取 | 第119-120页 |
| ·多时相房屋特征点匹配 | 第120-122页 |
| ·房屋容错性变化检测 | 第122-123页 |
| ·实验与分析 | 第123-143页 |
| ·数据与研究区域 | 第123-127页 |
| ·基于PCNN的房屋变化检测 | 第127-134页 |
| (1) 数据一 | 第127-130页 |
| (2) 数据二 | 第130-134页 |
| ·房屋容错性变化检测 | 第134-142页 |
| (1) 数据一 | 第134-137页 |
| (2) 数据二、三 | 第137-142页 |
| ·比较与分析 | 第142-143页 |
| ·本章小结 | 第143-145页 |
| 第六章 总结与展望 | 第145-149页 |
| ·本文总结 | 第145-147页 |
| ·研究展望 | 第147-149页 |
| 参考文献 | 第149-157页 |
| 致谢 | 第157-159页 |
| 攻读博士学位期间取得的学术成果 | 第159-161页 |
| 附录：英文缩写词对照表 | 第161-162页 |