高分辨率遥感影像近海岸承灾体目标识别方法研究
| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 1 绪论 | 第7-12页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.1.1 课题研究背景 | 第7页 |
| 1.1.2 课题研究意义 | 第7-8页 |
| 1.2 遥感影像目标识别方法研究现状 | 第8-9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 1.4 本文的各章节安排 | 第10-12页 |
| 2 高分辨率遥感影像特征提取和表达 | 第12-24页 |
| 2.1 引言 | 第12页 |
| 2.2 HOG特征 | 第12-14页 |
| 2.2.1 归一化图像颜色空间 | 第12-13页 |
| 2.2.2 计算梯度值 | 第13页 |
| 2.2.3 构建细胞单元的梯度方向直方图 | 第13-14页 |
| 2.2.4 由细胞单元组合成大的区块 | 第14页 |
| 2.3 LBP特征 | 第14-17页 |
| 2.3.1 基本的LBP特征 | 第15页 |
| 2.3.2 扩展的LBP特征 | 第15-16页 |
| 2.3.3 旋转不变LBP特征 | 第16-17页 |
| 2.4 颜色特征 | 第17-22页 |
| 2.4.1 颜色模型 | 第17-20页 |
| 2.4.2 颜色量化 | 第20-21页 |
| 2.4.3 颜色直方图 | 第21-22页 |
| 2.5 试验与分析 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 基于多特征加权概率融合的目标分类识别 | 第24-38页 |
| 3.1 引言 | 第24-25页 |
| 3.2 支持向量机 | 第25-29页 |
| 3.2.1 SVM概率输出 | 第28页 |
| 3.2.2 SVM分类确定性 | 第28-29页 |
| 3.3 多特征加权概率融合模型 | 第29-30页 |
| 3.3.1 特征权重 | 第29页 |
| 3.3.2 融合模型建立 | 第29-30页 |
| 3.4 试验与分析 | 第30-36页 |
| 3.4.1 试验数据简介 | 第30-31页 |
| 3.4.2 试验样本和参数设置 | 第31-32页 |
| 3.4.3 试验结果与分析 | 第32-36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 基于梯度主方向确定性的线形目标损毁区段识别 | 第38-48页 |
| 4.1 引言 | 第38-40页 |
| 4.2 边缘检测 | 第40页 |
| 4.3 梯度主方向确定性 | 第40-42页 |
| 4.3.1 影像梯度 | 第40-41页 |
| 4.3.2 梯度主方向确定性 | 第41-42页 |
| 4.4 试验与分析 | 第42-47页 |
| 4.4.1 码头损毁段识别 | 第42-44页 |
| 4.4.2 道路损毁段识别 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 创新点 | 第48页 |
| 5.3 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士期间取得的成果 | 第56页 |
