山脉图像轮廓线引导的三维虚拟地形合成
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第7-17页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.2.1 基于分形理论的地形合成 | 第8-10页 |
| 1.2.2 基于物理侵蚀的地形合成 | 第10-13页 |
| 1.2.3 基于特征草图的地形合成 | 第13-14页 |
| 1.3 本文工作与内容安排 | 第14-17页 |
| 1.3.1 本文的主要工作 | 第14-15页 |
| 1.3.2 本文的内容安排 | 第15-17页 |
| 第2章 理论基础 | 第17-26页 |
| 2.1 数字高程模型 | 第17-18页 |
| 2.1.1 DTM和DEM | 第17页 |
| 2.1.2 DEM的表达形式 | 第17-18页 |
| 2.1.3 DEM数据采集和处理 | 第18页 |
| 2.2 随机森林 | 第18-20页 |
| 2.2.1 决策树 | 第18-19页 |
| 2.2.2 集成学习 | 第19-20页 |
| 2.2.3 随机森林 | 第20页 |
| 2.3 卷积神经网络 | 第20-22页 |
| 2.3.1 卷积神经网络的基本结构 | 第21-22页 |
| 2.3.2 卷积神经网络的工作原理 | 第22页 |
| 2.4 最小二乘多项式拟合 | 第22-23页 |
| 2.5 Graph-Cut的概念 | 第23-26页 |
| 2.5.1 图的基本概念 | 第23-24页 |
| 2.5.2 网络流 | 第24页 |
| 2.5.3 最大流与最小割定理 | 第24-25页 |
| 2.5.4 能量函数最小化 | 第25-26页 |
| 第3章 山体轮廓线提取与特征草图生成 | 第26-34页 |
| 3.1 山体轮廓线提取 | 第26页 |
| 3.2 山体轮廓线拆分 | 第26-28页 |
| 3.3 轮廓线深度信息预测 | 第28页 |
| 3.4 轮廓线优化 | 第28-32页 |
| 3.4.1 轮廓线深度拟合 | 第29-30页 |
| 3.4.2 轮廓线排序 | 第30页 |
| 3.4.3 轮廓线间距调整 | 第30页 |
| 3.4.4 轮廓线补全 | 第30-32页 |
| 3.5 轮廓线重建 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于实例的地形合成 | 第34-45页 |
| 4.1 地形块生成 | 第34-38页 |
| 4.1.1 地形特征要素 | 第34-36页 |
| 4.1.2 山脊线提取 | 第36-38页 |
| 4.1.3 特征块与非特征块生成 | 第38页 |
| 4.2 地形块的匹配与填充 | 第38-40页 |
| 4.2.1 特征块匹配 | 第39页 |
| 4.2.2 非特征块填充 | 第39-40页 |
| 4.3 地形块融合 | 第40-43页 |
| 4.3.1 Graph-Cut | 第40-41页 |
| 4.3.2 泊松图像编辑 | 第41-43页 |
| 4.4 高程匹配 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 实验与结果分析 | 第45-54页 |
| 5.1 实验环境 | 第45页 |
| 5.2 算法合成三维地形的结果 | 第45-49页 |
| 5.3 算法性能分析 | 第49-50页 |
| 5.4 实验结果对比分析 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 研究结论 | 第54页 |
| 6.2 本文的主要创新点 | 第54-55页 |
| 6.3 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间参与的项目及撰写的论文等 | 第60-61页 |
| 致谢 | 第61页 |
