| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 研究方法与技术路线 | 第13-15页 |
| 2 高分辨率遥感影像道路提取理论 | 第15-28页 |
| 2.1 遥感影像的特点 | 第15-18页 |
| 2.2 道路特征与道路模型 | 第18-21页 |
| 2.2.1 道路的分类 | 第18-19页 |
| 2.2.2 道路的线性和材质特征 | 第19-20页 |
| 2.2.3 道路模型 | 第20-21页 |
| 2.3 研究区域介绍 | 第21-22页 |
| 2.4 遥感影像的预处理 | 第22-27页 |
| 2.5 道路提取的难点分析 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 道路提取算法理论研究 | 第28-38页 |
| 3.1 聚类算法分析 | 第28-32页 |
| 3.1.1 K均值聚类的分割算法 | 第29-31页 |
| 3.1.2 模糊C均值聚类分割算法 | 第31-32页 |
| 3.2 P参数分割算法 | 第32-33页 |
| 3.3 支持向量机算法 | 第33-36页 |
| 3.4 组合算法提取道路 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 道路提取实验结果及精度评价 | 第38-64页 |
| 4.1 K均值聚类算法提取道路 | 第38-42页 |
| 4.2 P值分割算法提取道路 | 第42-46页 |
| 4.3 模糊C均值算法提取道路 | 第46-48页 |
| 4.4 支持向量机算法提取道路 | 第48-50页 |
| 4.5 组合算法分割影像及道路提取 | 第50-55页 |
| 4.5.1 K-means聚类算法结合SVM分割影像及提取道路 | 第50-52页 |
| 4.5.2 模糊C均值聚类结合SVM提取道路 | 第52-54页 |
| 4.5.3 P值分割算法结合SVM提取道路 | 第54-55页 |
| 4.6 实验结果分析 | 第55-63页 |
| 4.6.1 视觉分析 | 第56-59页 |
| 4.6.2 数据统计分析 | 第59-63页 |
| 4.7 本章小结 | 第63-64页 |
| 5 结论与展望 | 第64-65页 |
| 5.1 结论 | 第64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |