基于少量图像对象样本的高空间分辨率遥感图像分类研究
| 作者简历 | 第7-8页 |
| 摘要 | 第8-10页 |
| abstract | 第10-12页 |
| 第一章 绪论 | 第15-26页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-22页 |
| 1.2.1 图像分割算法 | 第16-19页 |
| 1.2.2 图像分类算法 | 第19-22页 |
| 1.3 本文研究内容 | 第22-23页 |
| 1.4 本文算法流程和创新点 | 第23-25页 |
| 1.5 本文组织结构 | 第25-26页 |
| 第二章 图像分割技术 | 第26-33页 |
| 2.1 超像素分割技术 | 第26-29页 |
| 2.1.1 超像素分割技术简介 | 第26页 |
| 2.1.2 ETPS超像素分割算法 | 第26-29页 |
| 2.2 社区发现分割技术 | 第29-32页 |
| 2.2.1 快速展开的分层社区发现算法 | 第30-31页 |
| 2.2.2 社区发现分割算法 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 高分辨率遥感图像分类算法 | 第33-49页 |
| 3.1 训练样本选取 | 第33-34页 |
| 3.2 基于Lab主颜色相似度的分类技术 | 第34-42页 |
| 3.2.1 主颜色描述符 | 第34-35页 |
| 3.2.2 主颜色提取算法 | 第35-37页 |
| 3.2.3 CIE2000颜色距离计算方法 | 第37-39页 |
| 3.2.4 最近邻分类 | 第39-40页 |
| 3.2.5 基于上下文信息的分类纠正 | 第40-42页 |
| 3.3 基于关系匹配的分类技术 | 第42-46页 |
| 3.3.1 特征提取 | 第42-44页 |
| 3.3.2 建立样本关系矩阵 | 第44-45页 |
| 3.3.3 关系匹配 | 第45-46页 |
| 3.4 分类结果融合 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 实验结果及分析 | 第49-58页 |
| 4.1 实验平台介绍 | 第49页 |
| 4.2 实验过程 | 第49-52页 |
| 4.3 实验结果及分析 | 第52-58页 |
| 4.3.1 分类精度评价 | 第52-53页 |
| 4.3.2 分类结果比较 | 第53-58页 |
| 第五章 总结与展望 | 第58-61页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 不足与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
