| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·选题依据与研究意义 | 第8-10页 |
| ·纹理分析的研究现状及发展趋势 | 第10-14页 |
| ·论文主要章节结构 | 第14-15页 |
| 第二章 面向对象影像分割算法分析和改进 | 第15-37页 |
| ·面向对象技术的理论基础 | 第15-19页 |
| ·面向对象分割的含义 | 第15-16页 |
| ·面向对象的优越性 | 第16-17页 |
| ·遥感中的尺度问题 | 第17页 |
| ·多尺度影像分割技术 | 第17-19页 |
| ·面向对象的边缘检测方法 | 第19-26页 |
| ·传统图像边缘检测与面向对象思想的结合 | 第19-20页 |
| ·Hough 变换直线检测 | 第20-24页 |
| ·Hough 变换的推广 | 第24-26页 |
| ·区域增长法 | 第26-30页 |
| ·区域增长类型和准则 | 第26-28页 |
| ·传统的区域增长算法 | 第28-29页 |
| ·存在的问题 | 第29-30页 |
| ·区域增长法的改进 | 第30-35页 |
| ·算法的抗噪性 | 第30-31页 |
| ·复合式增长准则 | 第31-32页 |
| ·异质点的去除 | 第32-34页 |
| ·改进算法流程 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 纹理信息提取方法 | 第37-56页 |
| ·纹理特征谱 | 第37-39页 |
| ·基于TAMURA 纹理的方法 | 第39-44页 |
| ·六个重要Tamura 纹理特征的描述 | 第39-42页 |
| ·Tamura 纹理特征的提取 | 第42-44页 |
| ·基于共生矩阵的方法 | 第44-54页 |
| ·共生矩阵概述 | 第44页 |
| ·灰度共生矩阵（GLCM）的定义 | 第44-45页 |
| ·灰度共生矩阵导出的纹理特征及相关性研究 | 第45-48页 |
| ·关于各参数对纹理特征影响的研究 | 第48-52页 |
| ·综合灰度共生矩及纹理阵特征的提取 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 基于共生矩阵的无人机遥感图像的面向对象分割 | 第56-77页 |
| ·数据准备 | 第56-59页 |
| ·影像数据的获取 | 第56-57页 |
| ·数据预处理 | 第57-59页 |
| ·实验区纹理信息的提取 | 第59-64页 |
| ·纹理特征矩阵计算 | 第59-61页 |
| ·主成分分析 | 第61-64页 |
| ·分割算法实现 | 第64-66页 |
| ·分割结果及视觉对象化 | 第66-71页 |
| ·实验结果评价 | 第71-76页 |
| ·定性分析 | 第72-74页 |
| ·定量分析 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 结论与展望 | 第77-80页 |
| ·内容总结 | 第77-78页 |
| ·研究展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 在学期间的研究成果 | 第85-86页 |