| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题来源、研究背景及意义 | 第11-12页 |
| 1.2 国内外研究发展现状 | 第12-17页 |
| 1.2.1 遥感图像分类方法概述 | 第12-14页 |
| 1.2.2 基于像素的遥感图像分类方法 | 第14-15页 |
| 1.2.3 面向对象遥感图像分类技术发展现状 | 第15-17页 |
| 1.2.4 地物分类算法的难点分析与发展趋势预测 | 第17页 |
| 1.3 研究内容与章节安排 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 章节安排 | 第18-19页 |
| 第2章 遥感图像地物分类方法概述 | 第19-29页 |
| 2.1 遥感图像地物类别定义与特点分析 | 第19-21页 |
| 2.1.1 遥感图像地物类别定义 | 第19-20页 |
| 2.1.2 水体特点分析 | 第20页 |
| 2.1.3 建筑物及其阴影特点 | 第20页 |
| 2.1.4 道路特点分析 | 第20页 |
| 2.1.5 裸地与植被特点分析 | 第20-21页 |
| 2.2 算法流程概述 | 第21-22页 |
| 2.3 本文涉及的基本概念介绍 | 第22-28页 |
| 2.3.1 常用色彩空间模型 | 第22-24页 |
| 2.3.2 K均值聚类算法 | 第24-25页 |
| 2.3.3 条件随机场模型 | 第25-26页 |
| 2.3.4 图像区域的形态学处理 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于SLIC与条件随机场的图像分割与区域融合 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 SLIC图像分割算法 | 第29-34页 |
| 3.2.1 SLIC算法原理 | 第30-31页 |
| 3.2.2 距离测度参数D的设计 | 第31-32页 |
| 3.2.3 SLIC在遥感图像中的应用 | 第32-34页 |
| 3.3 孤立小区域处理 | 第34页 |
| 3.4 基于条件随机场的区域融合方法 | 第34-38页 |
| 3.4.1 条件随机场分类模型 | 第35-36页 |
| 3.4.2 势函数的定义 | 第36-37页 |
| 3.4.3 参数估计 | 第37页 |
| 3.4.4 基于最优标签的区域融合 | 第37-38页 |
| 3.5 图像分割实验结果与分析 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第4章 基于LDA特征降维与SVM的图像分类 | 第41-59页 |
| 4.1 遥感图像特征提取 | 第41-44页 |
| 4.1.1 颜色特征提取 | 第42页 |
| 4.1.2 形状特征提取 | 第42页 |
| 4.1.3 纹理特征提取 | 第42-44页 |
| 4.2 LDA数据处理 | 第44-49页 |
| 4.2.1 Fisher线性判别分析 | 第44-46页 |
| 4.2.2 多重判别分析 | 第46-48页 |
| 4.2.3 基于LDA的实验分析 | 第48-49页 |
| 4.3 基于支持向量机的图像分类 | 第49-57页 |
| 4.3.1 支持向量机的基本原理 | 第49-53页 |
| 4.3.2 多类支持向量机 | 第53-55页 |
| 4.3.3 分类结果对比与分析 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 遥感图像地物分类软件系统设计 | 第59-69页 |
| 5.1 GOOGLE EARTH与MATLAB_GUI平台简介 | 第59页 |
| 5.2 系统功能模块介绍 | 第59-65页 |
| 5.2.1 训练样本功能模块 | 第60-62页 |
| 5.2.2 单张图像检测功能模块 | 第62-64页 |
| 5.2.3 在线检测模块接口 | 第64-65页 |
| 5.3 平台系统技术指标 | 第65-66页 |
| 5.4 实验结果与分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79页 |