| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 遥感图像建筑物提取的研究现状分析 | 第11-12页 |
| 1.3 本文的主要研究工作和结构安排 | 第12-15页 |
| 第2章 遥感图像对象分割方法研究 | 第15-28页 |
| 2.1 遥感图像的预处理 | 第15-18页 |
| 2.1.1 高分遥感图像的特点 | 第15-17页 |
| 2.1.2 高分遥感图像的预处理 | 第17-18页 |
| 2.2 高分遥感图像的对象分割方法 | 第18-21页 |
| 2.2.1 基于阈值的图像分割 | 第19页 |
| 2.2.2 基于区域的分割算法 | 第19-20页 |
| 2.2.3 基于边缘检测的分割算法 | 第20-21页 |
| 2.3 基于Mean Shift算法的遥感图像对象分割 | 第21-24页 |
| 2.3.1 Mean Shift算法的国内外研究现状 | 第21-22页 |
| 2.3.2 Mean Shift算法原理 | 第22-23页 |
| 2.3.3 Mean Shift算法在遥感图像分割上的应用 | 第23-24页 |
| 2.4 遥感图像分割实验结果 | 第24-28页 |
| 第3章 面向对象的特征提取及筛选 | 第28-41页 |
| 3.1 油田地区地貌特征概况 | 第28-29页 |
| 3.2 遥感图像特征的分类 | 第29-33页 |
| 3.2.1 光谱特征 | 第29-30页 |
| 3.2.2 形状特征 | 第30-31页 |
| 3.2.3 纹理特征 | 第31-33页 |
| 3.3 面向对象的纹理特征提取 | 第33-35页 |
| 3.3.1 灰度共生矩阵 | 第33-34页 |
| 3.3.2 面向不规则形态对象的纹理特征提取 | 第34-35页 |
| 3.4 建筑物特征的选择 | 第35-39页 |
| 3.4.1 特征选择算法的分类 | 第35-37页 |
| 3.4.2 基于ReliefF算法的建筑物特征选择 | 第37-39页 |
| 3.5 面向对象的多特征提取实验结果 | 第39-41页 |
| 第4章 基于多特征的建筑物提取及优化 | 第41-49页 |
| 4.1 遥感图像特征分类方法研究 | 第41-43页 |
| 4.1.1 非监督分类方法 | 第41-42页 |
| 4.1.2 监督分类方法 | 第42-43页 |
| 4.2 基于ISODATA算法的建筑物分类提取 | 第43-44页 |
| 4.3 建筑物目标的形态学优化 | 第44-46页 |
| 4.4 建筑物分类提取实验结果及分析 | 第46-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 作者简介 | 第54-55页 |
| 致谢 | 第55页 |
