| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 高分辨率遥感图像道路网提取技术研究现状 | 第12-14页 |
| 1.2.2 高分辨率遥感图像车辆目标提取技术研究现状 | 第14-15页 |
| 1.3 论文的主要工作和章节安排 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 图像处理相关理论 | 第17-27页 |
| 2.1 图像增强 | 第17-20页 |
| 2.1.1 直方图增强 | 第17-18页 |
| 2.1.2 灰度变换增强 | 第18-19页 |
| 2.1.3 空域滤波 | 第19-20页 |
| 2.2 边缘检测 | 第20-23页 |
| 2.2.1 微分算子 | 第20-21页 |
| 2.2.2 Canny 算子 | 第21-22页 |
| 2.2.3 LOG 算子 | 第22-23页 |
| 2.3 数学形态学理论 | 第23-25页 |
| 2.3.1 基本概念 | 第23-24页 |
| 2.3.2 结构元素 | 第24页 |
| 2.3.3 膨胀与腐蚀 | 第24-25页 |
| 2.3.4 开运算与闭运算 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 高分辨率遥感图像道路网自动提取技术研究 | 第27-47页 |
| 3.1 道路特征 | 第27-28页 |
| 3.2 遥感图像预处理 | 第28-35页 |
| 3.2.1 图像灰度化 | 第28-30页 |
| 3.2.2 对比度变换 | 第30-33页 |
| 3.2.3 滤波处理 | 第33-35页 |
| 3.3 道路提取 | 第35-44页 |
| 3.3.1 形态学处理 | 第35-39页 |
| 3.3.2 道路边缘检测 | 第39-42页 |
| 3.3.3 道路提取 | 第42-44页 |
| 3.4 实验结果分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 高分辨率遥感图像车辆目标自动提取技术研究 | 第47-63页 |
| 4.1 车辆特征 | 第47-48页 |
| 4.2 纹理特征选择与提取 | 第48-51页 |
| 4.2.1 纹理特征 | 第48-49页 |
| 4.2.2 基于灰度共生矩阵纹理特征提取 | 第49-51页 |
| 4.3 基于纹理特征和支持向量机的车辆目标自动提取 | 第51-59页 |
| 4.3.1 支持向量机的理论基础 | 第51-56页 |
| 4.3.2 样本采集 | 第56-57页 |
| 4.3.3 数据归一化 | 第57-58页 |
| 4.3.4 SVM 模型参数确定 | 第58-59页 |
| 4.4 感兴趣区域车辆识别 | 第59-62页 |
| 4.4.1 感兴趣区域选择 | 第59-60页 |
| 4.4.2 分类器训练 | 第60-61页 |
| 4.4.3 车辆识别 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 全文总结 | 第63-65页 |
| 5.1 主要研究工作和结论 | 第63页 |
| 5.2 不足与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
