摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-24页 |
1.1 遥感影像建筑物提取及场景理解的研究背景与意义 | 第11-12页 |
1.1.1 遥感影像建筑物提取研究背景与意义 | 第11-12页 |
1.1.2 遥感影像场景理解的研究背景与意义 | 第12页 |
1.2 遥感影像建筑物提取与场景理解国内外研究现状 | 第12-21页 |
1.2.1 遥感影像建筑物提取国内外研究现状 | 第12-17页 |
1.2.2 遥感影像建筑物提取面临的挑战 | 第17-18页 |
1.2.3 遥感影像场景理解研究现状 | 第18-21页 |
1.2.4 遥感影像场景理解面临的挑战 | 第21页 |
1.3 本文研究内容与组织结构 | 第21-24页 |
1.3.1 本文研究内容与关键技术 | 第21-23页 |
1.3.2 本文组织结构 | 第23-24页 |
第二章 面向对象的遥感影像建筑物提取与场景理解基础理论 | 第24-48页 |
2.1 面向对象技术 | 第24-27页 |
2.1.1 多尺度分割理论 | 第24-26页 |
2.1.2 区域异质性准则 | 第26-27页 |
2.2 遥感影像多特征提取及融合 | 第27-39页 |
2.2.1 遥感影像光谱特征 | 第27-29页 |
2.2.2 遥感影像颜色特征 | 第29-31页 |
2.2.3 遥感影像纹理特征 | 第31-34页 |
2.2.4 遥感影像形状特征 | 第34-39页 |
2.2.5 遥感影像多特征融合技术 | 第39页 |
2.3 稀疏表示分类 | 第39-44页 |
2.3.1 基于稀疏表示的遥感影像分类 | 第40-42页 |
2.3.2 Fisher约束字典学习算法 | 第42-44页 |
2.4 基于中层语义的遥感影像场景理解 | 第44-47页 |
2.4.1 基于中层语义的遥感影像场景理解 | 第44-45页 |
2.4.2 神经网络模型 | 第45-47页 |
2.5 本章小结 | 第47-48页 |
第三章 基于稀疏表示的面向对象高光谱高空间分辨率遥感影像建筑物提取 | 第48-77页 |
3.1 高光谱高空间分辨率实验数据介绍 | 第48-52页 |
3.1.1 高光谱遥感影像数据 | 第48-49页 |
3.1.2 高空间分辨率遥感影像数据 | 第49-52页 |
3.2 面向对象的高光谱高空间分辨率遥感影像多尺度分割实验 | 第52-56页 |
3.2.1 高光谱遥感影像面向对象的多尺度分割 | 第52-54页 |
3.2.2 高空间分辨率遥感影像面向对象的多尺度分割 | 第54-56页 |
3.3 多特征提取实验 | 第56-60页 |
3.3.1 高光谱遥感影像特征提取 | 第56-58页 |
3.3.2 高空间分辨率遥感影像多特征提取 | 第58-60页 |
3.4 面向对象的多特征融合实验 | 第60-61页 |
3.4.1 高空间分辨率遥感影像面向对象的特征提取 | 第61页 |
3.4.2 高空间分辨率遥感影像面向对象的多特征融合 | 第61页 |
3.5 面向对象的高光谱高空间分辨率遥感影像建筑物提取实验 | 第61-70页 |
3.5.1 高光谱高空间分辨率遥感影像样本选取 | 第62-63页 |
3.5.2 高光谱高空间分辨率遥感影像建筑物提取 | 第63-69页 |
3.5.3 基于像素的高光谱高空间分辨率遥感影像建筑物提取实验 | 第69-70页 |
3.6 实验结果分析 | 第70-75页 |
3.6.1 高光谱遥感影像建筑物提取实验结果分析 | 第70-72页 |
3.6.2 高空间分辨率遥感影像建筑物提取实验结果分析 | 第72-75页 |
3.7 本章小结 | 第75-77页 |
第四章 基于神经网络的高光谱高空间分辨率遥感影像建筑物场景理解 | 第77-84页 |
4.1 基于RBF-NN模型的高光谱高空间分辨率遥感建筑物影像场景理解实验 | 第77-82页 |
4.1.1 中层语义特征提取 | 第77-78页 |
4.1.2 基于RBF-NN模型的高光谱高空间分辨率遥感影像建筑物场景分类 | 第78-82页 |
4.2 实验结果分析 | 第82-83页 |
4.3 本章小结 | 第83-84页 |
第五章 总结和展望 | 第84-86页 |
5.1 本文总结 | 第84-85页 |
5.2 不足与展望 | 第85-86页 |
致谢 | 第86-87页 |
参考文献 | 第87-93页 |
攻读学位期间取得的研究成果 | 第93页 |