高分辨率遥感影像面向对象变化信息自动提取研究
| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-13页 |
| 1 绪论 | 第13-22页 |
| ·课题研究意义 | 第13-14页 |
| ·面向对象变化信息提取发展现状 | 第14-17页 |
| ·国内外研究现状 | 第15-16页 |
| ·软件开发平台 | 第16页 |
| ·发展趋势 | 第16-17页 |
| ·课题研究内容 | 第17-22页 |
| ·课题来源与现有基础 | 第17-18页 |
| ·研究目的 | 第18页 |
| ·研究内容 | 第18-19页 |
| ·研究重点及创新点 | 第19-20页 |
| ·结构安排 | 第20-22页 |
| 2 遥感影像变化检测理论方法 | 第22-27页 |
| ·现有主要的变化检测方法 | 第22-25页 |
| ·代数运算方法 | 第23页 |
| ·图像变换方法 | 第23-24页 |
| ·分类后比较方法 | 第24页 |
| ·GIS 方法 | 第24-25页 |
| ·其他方法 | 第25页 |
| ·变化检测方法一般步骤 | 第25页 |
| ·变化检测方法局限性 | 第25-26页 |
| ·本章小节 | 第26-27页 |
| 3 多信息融合面向对象变化信息提取关键技术 | 第27-42页 |
| ·影像分割理论 | 第27-30页 |
| ·多尺度分割理论 | 第27-28页 |
| ·常规分割理论 | 第28页 |
| ·基于统计区域增长的多尺度多特征分割算法 | 第28-30页 |
| ·基于J-M 距离的影像对象特征选择与提取 | 第30-33页 |
| ·影像对象特征 | 第30-32页 |
| ·基于J-M 距离的特征自动优化选取技术 | 第32-33页 |
| ·面向对象分类技术 | 第33-39页 |
| ·支持向量机分类方法 | 第33-36页 |
| ·C4.5 决策树分类方法 | 第36-39页 |
| ·多信息融合面向对象变化信息提取技术 | 第39-41页 |
| ·变化信息提取机制 | 第39-40页 |
| ·技术路线 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 4 多信息融合的面向对象变化信息提取技术流程 | 第42-51页 |
| ·技术流程 | 第42-43页 |
| ·CVA 掩膜变化检测预处理 | 第43-48页 |
| ·图像几何校正 | 第43页 |
| ·图像增强 | 第43-44页 |
| ·图像融合 | 第44-45页 |
| ·CVA 自适应阈值掩膜生成预处理方法 | 第45-48页 |
| ·影像分割及矢量化 | 第48-49页 |
| ·面向对象分类 | 第49页 |
| ·变化信息提取 | 第49-50页 |
| ·本章小节 | 第50-51页 |
| 5 面向对象变化信息智能解译原型系统 | 第51-63页 |
| ·系统简介 | 第51-52页 |
| ·系统模块介绍 | 第52-55页 |
| ·分类体系管理工具 | 第52页 |
| ·AOI 样本管理工具 | 第52-53页 |
| ·面向对象分类变化检测模块 | 第53-55页 |
| ·应用实例分析 | 第55-62页 |
| ·实验数据 | 第55页 |
| ·影像分割 | 第55-56页 |
| ·面向对象分类 | 第56-59页 |
| ·分类对比试验 | 第59-61页 |
| ·变化信息提取 | 第61-62页 |
| ·本章小节 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录A 影像对象特征介绍 | 第71-74页 |
| 作者简历 | 第74-75页 |
| 学位论文数据集 | 第75-76页 |
