| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-16页 |
| ·论文的研究背景及意义 | 第12页 |
| ·国内外相关研究现状 | 第12-14页 |
| ·主要研究内容 | 第14页 |
| ·技术路线 | 第14-16页 |
| 第2章 面向对象的信息分类方法 | 第16-30页 |
| ·面向对象遥感影像分类方法 | 第16-17页 |
| ·影像分割 | 第17-23页 |
| ·基于边界的影像分割方法 | 第17页 |
| ·基于区域的影像分割方法 | 第17-19页 |
| ·基于阈值的影像分割方法 | 第19-20页 |
| ·多尺度分割算法 | 第20-23页 |
| ·影像对象分类技术 | 第23-25页 |
| ·标准最邻近法 | 第23-24页 |
| ·模糊数学分类法 | 第24-25页 |
| ·影像对象分类特征的选取 | 第25-30页 |
| ·光谱特征 | 第26页 |
| ·形状特征 | 第26-28页 |
| ·纹理特征 | 第28-30页 |
| 第3章 无人机影像的地质灾害信息分类与提取 | 第30-40页 |
| ·研究区概况 | 第30-32页 |
| ·自然地理条件 | 第30-31页 |
| ·区域地质背景 | 第31-32页 |
| ·最优分割尺度的选择 | 第32-34页 |
| ·分割参数的变化对分割结果的影响 | 第32页 |
| ·最优分割参数的选择 | 第32-34页 |
| ·特征选择及分类 | 第34-37页 |
| ·植被与河流信息的提取 | 第34-35页 |
| ·道路信息的提取 | 第35页 |
| ·房屋及地质灾害信息的提取 | 第35-37页 |
| ·遥感影像分类精度评价 | 第37-40页 |
| ·精度评价指标的选取 | 第37-38页 |
| ·无人机影像分类结果精度评价 | 第38-40页 |
| 第4章 地质灾害样本库的构建 | 第40-52页 |
| ·地质灾害样本库构建的规范 | 第40-44页 |
| ·样本数据的基本内容 | 第40-43页 |
| ·样本数据的格式与命名 | 第43-44页 |
| ·地质灾害样本库的建设流程 | 第44-47页 |
| ·构建基于python的地质灾害样本采集手段 | 第44-45页 |
| ·地质灾害样本的采集 | 第45-47页 |
| ·地质灾害样本库建设的成果 | 第47-52页 |
| ·地质灾害样本库表格的设计 | 第48页 |
| ·地质灾害样本库示例 | 第48-51页 |
| ·地质灾害样本库的检查与更新 | 第51-52页 |
| 第5章 基于迁移学习的地质灾害信息提取方法 | 第52-65页 |
| ·基于支持向量机的常用特征提取方法 | 第52-56页 |
| ·方向梯度直方图(Histogram of Oriented Gradient)特征 | 第52-53页 |
| ·词袋(Bag of words)特征 | 第53-54页 |
| ·迁移学习(Transfer Learning)特征 | 第54-56页 |
| ·特征选取与建模 | 第56-59页 |
| ·精度评价体系 | 第56-57页 |
| ·模型训练过程及结果 | 第57-59页 |
| ·基于迁移学习的地质灾害信息提取 | 第59-65页 |
| ·卷积神经网络剔除线状地类 | 第59-60页 |
| ·迁移学习法的地质灾害信息提取 | 第60-61页 |
| ·面向对象分类技术的地质灾害信息提取 | 第61-62页 |
| ·地质灾害信息提取结果 | 第62-63页 |
| ·精度分析 | 第63-65页 |
| 总结与展望 | 第65-66页 |
| 总结 | 第65页 |
| 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |