| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 本文研究的背景和意义 | 第9-11页 |
| 1.2 高分遥感影像国内外应用现状 | 第11-12页 |
| 1.3 风景名胜区目标识别技术的局限性 | 第12页 |
| 1.4 本文主要研究内容及结构安排 | 第12-14页 |
| 第二章 遥感影像识别分析 | 第14-20页 |
| 2.1 遥感影像简介 | 第14-15页 |
| 2.2 遥感影像特征提取 | 第15-16页 |
| 2.2.1 遥感影像特征提取因子 | 第16页 |
| 2.3 遥感信息提取 | 第16-18页 |
| 2.3.1 遥感信息提取技术 | 第16-17页 |
| 2.3.2 遥感信息提取方法 | 第17-18页 |
| 2.4 遥感影像目标识别技术框架 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 遥感影像预处理 | 第20-28页 |
| 3.1 遥感影像预处理概述 | 第20-21页 |
| 3.2 几何精校正 | 第21页 |
| 3.3 图像融合 | 第21-23页 |
| 3.4 遥感图像分割 | 第23-26页 |
| 3.4.1 遥感图像分割方法概述 | 第23页 |
| 3.4.2 典型遥感影像分割方法介绍 | 第23-24页 |
| 3.4.3 基于并行计算的Mean-shift多尺度分割 | 第24-26页 |
| 3.4.4 利用城市规划图分割遥感影像 | 第26页 |
| 3.5 实验结果及分析 | 第26-27页 |
| 3.6 本章小节 | 第27-28页 |
| 第四章 分类识别策略 | 第28-45页 |
| 4.1 分类思想及分类方法 | 第28-33页 |
| 4.1.1 支持向量机 | 第30-32页 |
| 4.1.2 最大似然法 | 第32页 |
| 4.1.3 K-最近邻分类 | 第32-33页 |
| 4.2 基于多特证知识模型的分类方法 | 第33-37页 |
| 4.2.1 遥感影像多特征组合 | 第33-36页 |
| 4.2.2 多特征知识模型的构建机制 | 第36-37页 |
| 4.2.3 判别规则确立 | 第37页 |
| 4.3 遥感分类精度评价 | 第37-39页 |
| 4.4 实验结果及分析 | 第39-44页 |
| 4.4.1 实验结果分析 | 第39-43页 |
| 4.4.2 与其他方法的实验比较分析 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 基于DEM的地形线提取 | 第45-52页 |
| 5.1 DEM的特点 | 第45-46页 |
| 5.2 提取地形线的算法分析 | 第46页 |
| 5.3 基于DEM数据的邻域统计窗口自动提取地形线技术 | 第46-49页 |
| 5.3.1 邻域统计窗口的算法原理 | 第46-48页 |
| 5.3.2 Split法提取等高线特征点 | 第48页 |
| 5.3.3 基于粗略地形线辅助的谷脊线自动提取技术 | 第48-49页 |
| 5.4 实验结果及分析 | 第49-50页 |
| 5.5 基于高分影像及基于DEM数据目标提取的融合 | 第50页 |
| 5.6 本章小结 | 第50-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 作者简介 | 第59页 |
