| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 高分辨率光学及SAR遥感影像种类及特点 | 第11-12页 |
| 1.2.2 建筑物震害变化检测的国内外研究现状 | 第12-14页 |
| 1.2.3 面向对象影像分析技术研究现状 | 第14-16页 |
| 1.3 存在的问题 | 第16-17页 |
| 1.4 研究内容、技术路线及意义 | 第17-20页 |
| 1.4.1 研究意义 | 第17-18页 |
| 1.4.2 主要研究内容及技术路线 | 第18-20页 |
| 1.5 论文组织结构 | 第20-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第2章 面向对象遥感影像分析技术 | 第22-38页 |
| 2.1 建筑物震害遥感影像特征 | 第22-27页 |
| 2.1.1 建筑物震害在光学影像的特征 | 第22-24页 |
| 2.1.2 建筑物震害在SAR影像的特征 | 第24-27页 |
| 2.2 面向对象遥感影像分析技术 | 第27-37页 |
| 2.2.1 基于面向对象影像分析技术的优势 | 第27-28页 |
| 2.2.2 影像分割 | 第28-31页 |
| 2.2.3 基于异质性最小原则的区域合并算法 | 第31-32页 |
| 2.2.4 影像特征的定量描述 | 第32-33页 |
| 2.2.5 影像分类及分类器集成 | 第33-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第3章 多特征联合的遥感影像分割 | 第38-60页 |
| 3.1 多特征联合的遥感影像分割方法 | 第38-40页 |
| 3.2 影像初始化分割 | 第40-42页 |
| 3.3 改进的基于异质性最小的区域合并算 | 第42-50页 |
| 3.3.1 区域合并异质度计算 | 第42-50页 |
| 3.3.2 异质性最小区域合并 | 第50页 |
| 3.4 最佳尺度的影像分割及结果分析 | 第50-59页 |
| 3.4.1 最佳分割尺度的确定 | 第51-55页 |
| 3.4.2 影像分割结果分析 | 第55-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第4章 多源特征联合的遥感建筑物震害面向对象变化检测 | 第60-97页 |
| 4.1 高分辨率遥感影像多源特征提取 | 第60-64页 |
| 4.1.1 光学遥感影像的光谱特征 | 第61页 |
| 4.1.2 光学遥感影像的形状特征 | 第61-62页 |
| 4.1.3 光学遥感影像的纹理特征 | 第62-63页 |
| 4.1.4 SAR影像相干、相关性特征 | 第63-64页 |
| 4.2 代表性分类器 | 第64-81页 |
| 4.2.1 支持向量机—SVM模型 | 第64-66页 |
| 4.2.2 多项逻辑回归模型 | 第66-71页 |
| 4.2.3 神经网络模型 | 第71-78页 |
| 4.2.4 K最邻近模型 | 第78-79页 |
| 4.2.5 ELM极限学习机模型 | 第79-81页 |
| 4.3 基于多源特征联合的分类器集成学习策略 | 第81-88页 |
| 4.3.1 多源特征组合策略 | 第82-83页 |
| 4.3.2 多分类器集成策略 | 第83-88页 |
| 4.4 实验与分析 | 第88-96页 |
| 4.4.1 多分类器集成系统分类结果与分析 | 第88-94页 |
| 4.4.2 玉树结古镇建筑物震害变化检测结果及分析 | 第94-96页 |
| 4.5 本章小结 | 第96-97页 |
| 第5章 建筑物震害遥感分级研究 | 第97-109页 |
| 5.1 建筑物震害遥感分级流程 | 第97-98页 |
| 5.2 建筑物震害遥感分级模型 | 第98-105页 |
| 5.2.1 基于SAR强度相关的建筑物震害分级 | 第99-102页 |
| 5.2.2 基于SAR纹理特征的建筑物震害分级 | 第102-105页 |
| 5.3 基于多源遥感数据的建筑物震害分级 | 第105-107页 |
| 5.4 本章小结 | 第107-109页 |
| 第6章结论与展望 | 第109-112页 |
| 6.1 主要结论 | 第109-110页 |
| 6.2 论文创新点 | 第110-111页 |
| 6.3 研究展望 | 第111-112页 |
| 参考文献 | 第112-120页 |
| 致谢 | 第120-121页 |
| 附录 | 第121页 |
