高分辨率卫星多光谱影像的云雪分离研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 光谱特征法 | 第9-10页 |
| 1.2.2 空间纹理法 | 第10-11页 |
| 1.2.3 模式识别法 | 第11页 |
| 1.2.4 其它方法 | 第11-12页 |
| 1.2.5 未来趋势 | 第12页 |
| 1.3 研究内容与技术路线 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 云的特性及检测技术分析 | 第16-22页 |
| 2.1 云的成因及种类 | 第16-19页 |
| 2.2 云的影像特性 | 第19-20页 |
| 2.3 基于云特性的云检测技术分析 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 对象级云雪区域提取 | 第22-36页 |
| 3.1 图像分割算法介绍 | 第22-28页 |
| 3.1.1 图像分割算法类别 | 第22-24页 |
| 3.1.2 均值漂移 | 第24-26页 |
| 3.1.3 简单线性迭代聚类 | 第26-28页 |
| 3.2 结合光谱特征法与图像分割法的综合提取 | 第28-31页 |
| 3.2.1 兴趣区检测 | 第28-29页 |
| 3.2.2 图像分割算法选择 | 第29-30页 |
| 3.2.3 对象级兴趣区提取 | 第30-31页 |
| 3.3 试验结果与分析 | 第31-34页 |
| 3.3.1 目视评估 | 第31-33页 |
| 3.3.2 精度评定 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 结合GrabCut像素级优化的云雪分类 | 第36-51页 |
| 4.1 SVM算法 | 第36-39页 |
| 4.1.1 理论背景 | 第36页 |
| 4.1.2 基本原理 | 第36-39页 |
| 4.1.3 多分类方法 | 第39页 |
| 4.2 GrabCut算法 | 第39-42页 |
| 4.2.1 图割理论 | 第39-41页 |
| 4.2.2 GrabCut算法原理 | 第41-42页 |
| 4.3 考虑云雪对象形状特性的特征选择与设计 | 第42-46页 |
| 4.3.1 现有特征 | 第43-45页 |
| 4.3.2 曲率直方图 | 第45-46页 |
| 4.4 SVM多分类器构造 | 第46-47页 |
| 4.5 基于GrabCut的像素级优化 | 第47-48页 |
| 4.6 试验结果与分析 | 第48-50页 |
| 4.6.1 特征有效性验证 | 第48-49页 |
| 4.6.2 GrabCut有效性验证 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第5章 高分卫星多光谱影像云雪分离试验 | 第51-57页 |
| 5.1 试验区域与数据 | 第51页 |
| 5.2 数据预处理 | 第51-52页 |
| 5.3 云雪分离效果评价 | 第52-55页 |
| 5.3.1 目视评估 | 第52-54页 |
| 5.3.2 精度评定 | 第54-55页 |
| 5.4 算法局限性 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
