| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究目的和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 研究现状 | 第14-19页 |
| 1.2.2 存在的问题与发展趋势 | 第19页 |
| 1.3 研究内容与技术路线 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 技术路线 | 第20-21页 |
| 1.4 论文结构安排 | 第21-23页 |
| 第2章 地震次生地质灾害遥感信息提取机理 | 第23-32页 |
| 2.1 地震次生地质灾害的产生机理和特点 | 第23-26页 |
| 2.1.1 地震次生地质灾害产生机理 | 第23-26页 |
| 2.1.2 地震次生地质灾害特点 | 第26页 |
| 2.2 地震次生地质灾害的遥感特征 | 第26-32页 |
| 2.2.1 滑坡体的遥感特征 | 第27-29页 |
| 2.2.2 泥石流的遥感特征 | 第29-30页 |
| 2.2.3 堰塞湖的遥感特征 | 第30-32页 |
| 第3章 基于层次分析的地震次生地质灾害信息自动提取方法 | 第32-43页 |
| 3.1 多特征的层次分析方法 | 第32-33页 |
| 3.2 特征参量的选择 | 第33-39页 |
| 3.2.1 光谱特征参量 | 第33-37页 |
| 3.2.2 形状特征参量 | 第37-38页 |
| 3.2.3 纹理特征参量 | 第38-39页 |
| 3.3 特征参量阈值的自动计算 | 第39-43页 |
| 3.3.1 Otsu阈值性质分析 | 第40-41页 |
| 3.3.2 改进的Otsu阈值求解算法 | 第41-43页 |
| 第4章 基于显著性分析的典型地震次生地质灾害信息提取方法 | 第43-61页 |
| 4.1 显著性分析理论基础 | 第43-49页 |
| 4.1.1 几种经典的显著性检测算法 | 第43-48页 |
| 4.1.2 GBVS算法 | 第48-49页 |
| 4.2 超像素分割理论基础 | 第49-53页 |
| 4.2.1 几种经典的超像素分割算法 | 第49-52页 |
| 4.2.2 SLIC算法 | 第52-53页 |
| 4.3 结合显著性分析与超像素分割的地震次生地质灾害信息提取算法 | 第53-61页 |
| 4.3.1 修正显著区域 | 第54-55页 |
| 4.3.2 统计学习方法 | 第55-57页 |
| 4.3.3 超像素区域相似性度量方法 | 第57-61页 |
| 第5章 实验与分析 | 第61-82页 |
| 5.1 实验数据 | 第61页 |
| 5.2 多特征层次分析法的地震次生地质灾害信息提取实验 | 第61-74页 |
| 5.2.1 研究区 | 第61-62页 |
| 5.2.2 典型地震次生地质灾害提取实验 | 第62-69页 |
| 5.2.3 多特征层次分析法提取结果精度评价 | 第69-74页 |
| 5.3 结合显著性分析与超像素分割的地震次生地质灾害信息提取实验 | 第74-81页 |
| 5.3.1 基于统计学习的显著目标提取实验 | 第74-75页 |
| 5.3.2 基于超像素区域相似性度量的显著目标提取实验 | 第75-76页 |
| 5.3.3 结合显著性分析与超像素分割的算法性能评价 | 第76-81页 |
| 5.4 两种方法对比分析 | 第81-82页 |
| 第6章 总结与展望 | 第82-85页 |
| 6.1 主要研究成果 | 第82-83页 |
| 6.2 展望 | 第83-85页 |
| 参考文献 | 第85-94页 |
| 致谢 | 第94-95页 |
| 作者简历及攻读硕士学位期间发表的学术论文与研究成果 | 第95-96页 |
