基于遥感图像的内河航道识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-14页 |
| 1.2.1 数据恢复 | 第10-11页 |
| 1.2.2 水体提取 | 第11-13页 |
| 1.2.3 航道识别 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 遥感图像云雾去除方法研究 | 第16-26页 |
| 2.1 光学遥感图像成像模型及云雾特征 | 第16-18页 |
| 2.1.1 光学遥感图像常规退化模型 | 第16-17页 |
| 2.1.2 光学遥感图像云雾退化模型 | 第17页 |
| 2.1.3 光学遥感图像云雾特性 | 第17-18页 |
| 2.2 常用遥感图像云雾去除方法 | 第18-22页 |
| 2.2.1 同态滤波法 | 第18-20页 |
| 2.2.2 小波变换法 | 第20-21页 |
| 2.2.3 暗原色先验法 | 第21-22页 |
| 2.3 基于暗原色云雾去除算法改进 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 遥感图像水体信息提取研究 | 第26-42页 |
| 3.1 不同地物波谱特性 | 第26-30页 |
| 3.1.1 水体波谱特性 | 第26-27页 |
| 3.1.2 植被的波谱特性 | 第27-28页 |
| 3.1.3 土壤光谱特性 | 第28-29页 |
| 3.1.4 城区光谱特性 | 第29-30页 |
| 3.2 遥感图像水体信息提取方法 | 第30-36页 |
| 3.2.1 边缘检测算法 | 第30-32页 |
| 3.2.2 单波段阈值法 | 第32-34页 |
| 3.2.3 谱间关系法 | 第34-35页 |
| 3.2.4 归一化差异水体指数法 | 第35-36页 |
| 3.3 水体提取算法改进 | 第36-41页 |
| 3.3.1 数学形态学方法 | 第37-40页 |
| 3.3.2 水体提取算法改进 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于决策树的内河航道识别 | 第42-53页 |
| 4.1 连通区域表示与描述 | 第42-44页 |
| 4.1.1 连通区域表示 | 第42-43页 |
| 4.1.2 连通区域描述 | 第43-44页 |
| 4.2 内河航道几何特征描述 | 第44-45页 |
| 4.3 基于决策树的内河航道识别方法 | 第45-52页 |
| 4.3.1 决策树构建方法 | 第45-49页 |
| 4.3.2 航道识别决策树生成方法 | 第49-51页 |
| 4.3.3 决策树航道识别算法 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 实验仿真与分析 | 第53-60页 |
| 5.1 实验数据与仿真环境 | 第53-54页 |
| 5.2 航道识别流程与实验结果 | 第54-58页 |
| 5.2.1 航道识别流程 | 第54-55页 |
| 5.2.2 实验结果 | 第55-58页 |
| 5.3 实验结果分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间取得的研究成果 | 第66页 |
