中高分辨率遥感影像分割与信息提取研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 1 引言 | 第11-19页 |
| ·本课题研究的目的与意义 | 第11-13页 |
| ·国内、外研究现状及趋势 | 第13-17页 |
| ·目视解译 | 第13-14页 |
| ·基于像元的分类方法 | 第14-15页 |
| ·面向对象的影像分析方法 | 第15-17页 |
| ·本文的研究思路与内容安排 | 第17-19页 |
| 2 影像分割方法综述及几种基于聚类的方法介绍 | 第19-29页 |
| ·影像分割方法综述 | 第19-24页 |
| ·影像分割的定义 | 第19页 |
| ·基于阈值的分割方法 | 第19-20页 |
| ·基于边缘检测的分割方法 | 第20页 |
| ·基于区域特征的分割方法 | 第20-21页 |
| ·基于特征空间聚类的分割法 | 第21页 |
| ·基于特定算法的分割方法 | 第21-22页 |
| ·色彩空间描述 | 第22-24页 |
| ·几种基于聚类的方法介绍 | 第24-27页 |
| ·K-均值聚类 | 第24-25页 |
| ·ISODATA聚类 | 第25页 |
| ·模糊C均值聚类 | 第25-27页 |
| ·本章小结与讨论 | 第27-29页 |
| 3 非参数密度估计与均值漂移 | 第29-39页 |
| ·密度函数梯度的估计 | 第29-31页 |
| ·分割算法设计 | 第31-34页 |
| ·分割实验 | 第34-36页 |
| ·本章小结与讨论 | 第36-39页 |
| 4 多尺度影像分割 | 第39-49页 |
| ·多尺度分割的理论基础及必要性与可行性 | 第39-40页 |
| ·基于均值漂移算法与区域融合的多尺度分割 | 第40页 |
| ·分割尺度选择 | 第40-41页 |
| ·多尺度分割实验 | 第41-48页 |
| ·本章小结与讨论 | 第48-49页 |
| 5 遥感影像智能解译系统集成 | 第49-59页 |
| ·简介 | 第49页 |
| ·影像分割引入遥感影像智能解译系统 | 第49-51页 |
| ·地理信息系统引入遥感影像智能解译系统 | 第51-52页 |
| ·数据挖掘关键技术引入遥感影像智能解译系统 | 第52-54页 |
| ·最大似然分类法 | 第52-53页 |
| ·人工神经网络分类方法 | 第53页 |
| ·专家系统分类方法 | 第53-54页 |
| ·模糊数学分类方法 | 第54页 |
| ·遥感影像智能解译框架 | 第54-57页 |
| ·本章小结与讨论 | 第57-59页 |
| 6 应用实例—土地覆盖信息提取 | 第59-65页 |
| ·试验区介绍 | 第59-60页 |
| ·实验方法 | 第60页 |
| ·结果分析 | 第60-64页 |
| ·两种面向对象分析方法对比 | 第60-61页 |
| ·VHRIII和传统基于像元解译方法对比 | 第61-64页 |
| ·本章结论与讨论 | 第64-65页 |
| 7 结论与讨论 | 第65-69页 |
| ·主要结论与创新点 | 第65-66页 |
| ·提出了一种快速、稳健的影像多尺度分割方法 | 第65页 |
| ·提出了一种新的影像智能解译框架体系 | 第65-66页 |
| ·讨论 | 第66-69页 |
| ·应用展望 | 第66页 |
| ·今后研究的重点 | 第66-69页 |
| 参考文献 | 第69-79页 |
| 附录A 分割软件 | 第79-80页 |
| 附录B 部分程序代码 | 第80-85页 |
| 图索引 | 第85-87页 |
| 攻读硕士学位期间主要参与项目 | 第87页 |
| 攻读硕士学位期间参加学术会议 | 第87-89页 |
| 攻读硕士学位期间发表或撰写的论文 | 第89-91页 |
| 致谢 | 第91页 |
