面向高空间分辨率遥感影像的建筑物目标识别方法研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 图表目录 | 第11-14页 |
| 第1章. 引言 | 第14-19页 |
| ·选题的背景和意义 | 第14-15页 |
| ·研究目的和研究内容 | 第15-16页 |
| ·研究目的 | 第15页 |
| ·研究内容 | 第15-16页 |
| ·研究框架和论文结构安排 | 第16-19页 |
| 第2章. 国内外相关研究综述 | 第19-30页 |
| ·高空间分辨率遥感影像及其特点 | 第19-22页 |
| ·遥感影像空间分辨率演进 | 第19-20页 |
| ·高空间分辨率遥感影像的特点 | 第20-21页 |
| ·QuickBird遥感影像简介 | 第21-22页 |
| ·常用遥感目标识别方法 | 第22-26页 |
| ·目视解译的遥感目标识别 | 第22-23页 |
| ·基于像元的遥感目标识别 | 第23-25页 |
| ·面向对象的遥感目标识别 | 第25-26页 |
| ·高空间分辨率遥感影像的建筑物目标识别 | 第26-30页 |
| ·面向几何元素的建筑物识别 | 第27页 |
| ·面向对象的建筑物提取方法 | 第27-30页 |
| 第3章. 目标识别中的影像预处理 | 第30-49页 |
| ·影像融合 | 第30-35页 |
| ·IHS彩色空间变换融合法 | 第31-32页 |
| ·主成分变换融合法 | 第32-34页 |
| ·Brovey变换融合法 | 第34-35页 |
| ·影像增强 | 第35-37页 |
| ·直方图均衡化 | 第35页 |
| ·灰度拉伸 | 第35-37页 |
| ·影像分割 | 第37-39页 |
| ·面向对象的多尺度分割 | 第37-38页 |
| ·MeanShift分割方法 | 第38-39页 |
| ·实验——选择最优影像预处理方式和分割尺度 | 第39-49页 |
| ·实验数据 | 第39页 |
| ·预处理方式选择 | 第39-43页 |
| ·最佳分割尺度选择 | 第43-49页 |
| 第4章. 建筑物目标识别 | 第49-68页 |
| ·建筑物特征分析与提取 | 第49-52页 |
| ·建筑物的基本特征 | 第49-50页 |
| ·建筑物特征提取 | 第50-52页 |
| ·建筑物基元特征优选 | 第52-57页 |
| ·根据经验优化特征 | 第52-53页 |
| ·主成分分析法 | 第53页 |
| ·遗传算法 | 第53-55页 |
| ·改进的遗传算法 | 第55-57页 |
| ·目标墓元识别方法 | 第57-63页 |
| ·最小距离分类器 | 第57-58页 |
| ·模糊数学分类法 | 第58-60页 |
| ·支持向量机分类器 | 第60-63页 |
| ·耦合GA与SVM的目标识别 | 第63-64页 |
| ·特征降维阶段 | 第63-64页 |
| ·适应度计算阶段 | 第64页 |
| ·遗传结果识别阶段 | 第64页 |
| ·建筑物基元合并 | 第64-68页 |
| ·基元合并概述 | 第65页 |
| ·相邻对象合并的算法流程 | 第65-66页 |
| ·全图的建筑物基元合并 | 第66-68页 |
| 第5章. 建筑物目标识别实验验证 | 第68-80页 |
| ·实验总体设计 | 第68-73页 |
| ·实验方法 | 第68页 |
| ·实验数据及分析 | 第68-71页 |
| ·实验参数说明 | 第71页 |
| ·类方案与样本设计 | 第71-73页 |
| ·实验结果与分析 | 第73-78页 |
| ·实验一 | 第73-76页 |
| ·实验二 | 第76-78页 |
| ·讨论与结论 | 第78-80页 |
| 第6章. 结论与展望 | 第80-82页 |
| ·结论 | 第80页 |
| ·问题讨论与展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 附录 1 SINCE2008平台介绍 | 第87-94页 |
| 附录 2 两次实验中二十次特征优化结果列表 | 第94-96页 |
| 个人简历 | 第96页 |
| 在读期间参与的项目 | 第96页 |
| 在读期间发表的学术论文 | 第96页 |
