| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 半自动道路提取方法 | 第14-15页 |
| 1.2.2 自动道路提取方法 | 第15页 |
| 1.2.3 道路提取采用影像中道路的像素特征 | 第15-16页 |
| 1.2.4 道路提取采用影像中道路的区域特征 | 第16页 |
| 1.2.5 道路提取采用影像中的道路知识信息 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 本文结构 | 第18-19页 |
| 第二章 相关知识介绍 | 第19-33页 |
| 2.1 影像预处理 | 第19-23页 |
| 2.1.1 颜色空间变换 | 第19-20页 |
| 2.1.2 卫星遥感影像的校对 | 第20-22页 |
| 2.1.3 影像拼接 | 第22-23页 |
| 2.2 常用的几种分割算法 | 第23-25页 |
| 2.2.1 基于像素信息的影像分割 | 第24页 |
| 2.2.2 基于边缘信息的影像分割 | 第24页 |
| 2.2.3 基于区域信息的影像分割 | 第24-25页 |
| 2.3 影像分类的几种算法 | 第25-30页 |
| 2.3.1 支持向量机(SVM) | 第26-29页 |
| 2.3.2 决策树(Decision Tree) | 第29-30页 |
| 2.4 影像处理相关技术 | 第30-33页 |
| 2.4.1 RGB色彩模式及灰度化 | 第30页 |
| 2.4.2 膨胀算法,腐蚀算法 | 第30-31页 |
| 2.4.3 开闭运算 | 第31-33页 |
| 第三章 基于GVF-Snake的改进算法的道路分割 | 第33-43页 |
| 3.1 原始Snake算法 | 第33-34页 |
| 3.1.1 原始Snake算法研究 | 第33-34页 |
| 3.1.2 经典Snake算法的特点 | 第34页 |
| 3.2 GVF-Snake算法 | 第34-35页 |
| 3.3 GVF-Snake算法的改进 | 第35-43页 |
| 3.3.1 GVF-Snake算法的改进算法 | 第36-39页 |
| 3.3.2 GVF-Snake算法的改进实验 | 第39-43页 |
| 第四章 基于支持向量机的道路提取 | 第43-57页 |
| 4.1 支持向量机简介 | 第43-48页 |
| 4.1.1 线性分类及其约束条件 | 第43-44页 |
| 4.1.2 最大几何间隔 | 第44-45页 |
| 4.1.3 处理异常数据 | 第45-46页 |
| 4.1.4 运用SMO获得α值 | 第46-47页 |
| 4.1.5 非线性问题的解决 | 第47-48页 |
| 4.2 基于支持向量机的道路提取框架及流程 | 第48-49页 |
| 4.3 改进的GVF-Snake算法进行训练样本提取 | 第49-50页 |
| 4.4 影像去噪 | 第50-51页 |
| 4.5 基于支持向量机的道路提取实验设计与分析 | 第51-57页 |
| 4.5.1 使用样本训练支持向量机 | 第52-53页 |
| 4.5.2 使用支持向量机进行分类 | 第53-55页 |
| 4.5.3 道路提取实验分析 | 第55-57页 |
| 第五章 基于最大圆盘的骨架提取算法及优化 | 第57-65页 |
| 5.1 骨架提取算法 | 第57-58页 |
| 5.2 骨架间断的连通性操作 | 第58-60页 |
| 5.2.1 直线检测 | 第58-59页 |
| 5.2.2 连通性优化 | 第59-60页 |
| 5.3 骨架的修正 | 第60-62页 |
| 5.4 骨架提取实验 | 第62-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简介及在学期间所取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |