| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究进展 | 第14-22页 |
| 1.2.1 建筑物信息提取研究进展 | 第14-19页 |
| 1.2.2 UAV航测系统和影像匹配重建技术 | 第19-22页 |
| 1.3 论文研究内容与章节安排 | 第22-26页 |
| 1.3.1 研究目标 | 第22-23页 |
| 1.3.2 研究内容 | 第23-24页 |
| 1.3.3 论文章节安排 | 第24-26页 |
| 第2章 基于支持向量机的植被脚点检测 | 第26-46页 |
| 2.1 引言 | 第26-27页 |
| 2.2 波谱特征分析和植被指数 | 第27-30页 |
| 2.2.1 地物波谱特征分析 | 第27-28页 |
| 2.2.2 植被指数 | 第28-30页 |
| 2.3 基于可见光植被指数的植被提取方法 | 第30-41页 |
| 2.3.1 基于阈值的植被提取理论 | 第31-39页 |
| 2.3.2 基于支持向量机的植被提取理论 | 第39-41页 |
| 2.4 利用支持向量机的植被提取实验 | 第41-45页 |
| 2.4.1 核函数选择和准据预处理 | 第41页 |
| 2.4.2 多特征的SVM植被提取实验 | 第41-43页 |
| 2.4.3 与单特征SVM植被提取其他方法比较 | 第43-44页 |
| 2.4.4 与阈值提取方法比较 | 第44-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 基于多模型的建筑物脚点检测和单体化 | 第46-65页 |
| 3.1 引言 | 第46-48页 |
| 3.2 研究方案与技术路线 | 第48-49页 |
| 3.3 点云数据进行预处理 | 第49-54页 |
| 3.3.1 噪点剔除 | 第49-51页 |
| 3.3.2 点云滤波 | 第51-54页 |
| 3.4 建筑物脚点检测和单体化 | 第54-57页 |
| 3.5 实验与分析 | 第57-63页 |
| 3.5.1 数据与质量评价方法 | 第57-58页 |
| 3.5.2 实验与分析 | 第58-63页 |
| 3.6 本章小结 | 第63-65页 |
| 第4章 建筑物 2D矢量轮廓信息重建 | 第65-92页 |
| 4.1 引言 | 第65-68页 |
| 4.2 单体化分割建筑物轮廓提取问题研究技术路线 | 第68页 |
| 4.3 基于改进凸包算法的建筑物外边缘点提取 | 第68-72页 |
| 4.4 基于直线增长模型建筑物轮廓重建 | 第72-84页 |
| 4.4.1 基于直线增长模型的边界线检测 | 第72-78页 |
| 4.4.2 基于先验知识的轮廓线规则化重建 | 第78-84页 |
| 4.5 实验与分析 | 第84-91页 |
| 4.5.1 关键参数分析 | 第84-85页 |
| 4.5.2 实验一 | 第85-88页 |
| 4.5.3 实验二 | 第88-90页 |
| 4.5.4 实验三 | 第90-91页 |
| 4.6 本章小结 | 第91-92页 |
| 第5章 建筑物屋顶面片提取与模型重建 | 第92-112页 |
| 5.1 引言 | 第92-94页 |
| 5.2 基于平面增长模型的建筑物屋顶信息提取 | 第94-101页 |
| 5.2.1 基于最小二乘的平面拟合算法 | 第94-95页 |
| 5.2.2 基于最小二乘拟合的平面增长算法 | 第95-96页 |
| 5.2.3 基于平面增长算法的屋顶面片信息提取 | 第96-101页 |
| 5.3 确立建筑物屋顶面片空间邻域关系 | 第101-103页 |
| 5.4 基于屋顶面片信息和建筑物轮廓信息的模型重建 | 第103-111页 |
| 5.4.1 屋顶平面面片初始重建 | 第103-105页 |
| 5.4.2 屋顶特征线重建 | 第105-107页 |
| 5.4.3 屋顶模型重建 | 第107-111页 |
| 5.5 本章小结 | 第111-112页 |
| 第6章 结论与展望 | 第112-117页 |
| 6.1 总结 | 第112-114页 |
| 6.2 创新点 | 第114-115页 |
| 6.3 研究展望 | 第115-117页 |
| 参考文献 | 第117-124页 |
| 在学期间的研究成果 | 第124-125页 |
| 致谢 | 第125页 |