无人机DEM的渠系轮廓特征增强方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状与进展 | 第11-14页 |
| 1.2.1 基于DEM的地形增强研究现状 | 第11-13页 |
| 1.2.2 灌溉渠系提取研究现状 | 第13-14页 |
| 1.3 研究内容与方法 | 第14-15页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究方法 | 第15页 |
| 1.4 技术路线图 | 第15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 数据来源与相关知识介绍 | 第17-29页 |
| 2.1 数据来源 | 第17-18页 |
| 2.1.1 研究区域 | 第17页 |
| 2.1.2 数据获取 | 第17-18页 |
| 2.2 数字高程模型 | 第18-19页 |
| 2.2.1 数字高程模型概述 | 第18-19页 |
| 2.2.2 数字高程模型的数据结构 | 第19页 |
| 2.3 基于DEM地形增强算法 | 第19-22页 |
| 2.3.1 洼地填充算法 | 第19-20页 |
| 2.3.2 洼地裂开算法 | 第20-21页 |
| 2.3.3 河道烧录算法 | 第21-22页 |
| 2.4 基于随机森林的正例与未标记单分类器算法 | 第22-28页 |
| 2.4.1 机器学习 | 第22-23页 |
| 2.4.2 基于正例和无标记样例学习 | 第23-24页 |
| 2.4.3 单分类器 | 第24-25页 |
| 2.4.4 随机森林的基本原理 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 河道烧录算法 | 第29-38页 |
| 3.1 河道烧录算法的实现 | 第29-34页 |
| 3.1.1 算法原理以及改进 | 第29-31页 |
| 3.1.2 渠系矢量数据的获取 | 第31-32页 |
| 3.1.3 渠系矢量数据栅格化 | 第32-33页 |
| 3.1.4 烧录深度与衰减系数的设定 | 第33-34页 |
| 3.2 实验结果与分析 | 第34-37页 |
| 3.2.1 实验过程 | 第34-35页 |
| 3.2.2 实验与结果分析 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 改进的洼地裂开算法 | 第38-57页 |
| 4.1 洼地裂开算法的改进 | 第38-43页 |
| 4.1.1 基于最小代价路径的洼地裂开算法 | 第38-39页 |
| 4.1.2 改进的洼地裂开算法流程 | 第39-41页 |
| 4.1.3 增强结果分析 | 第41-43页 |
| 4.2 渠系提取 | 第43-49页 |
| 4.2.1 渠系提取方法 | 第43-44页 |
| 4.2.2 渠系训练样本获取 | 第44-46页 |
| 4.2.3 渠系分类特征选择 | 第46页 |
| 4.2.4 渠系分类及提取过程 | 第46-48页 |
| 4.2.5 渠系提取的精度评价 | 第48-49页 |
| 4.3 DPB渠系特征增强效果 | 第49-51页 |
| 4.3.1 渠系提取结果分析 | 第49-50页 |
| 4.3.2 提取精度评价 | 第50-51页 |
| 4.4 实验与结果分析 | 第51-56页 |
| 4.4.1 实验工具 | 第52页 |
| 4.4.2 实验流程 | 第52-53页 |
| 4.4.3 增强算法效果对比 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
