遥感图像道路提取研究
| 摘要 | 第1-8页 |
| Abstract | 第8-11页 |
| 目录 | 第11-14页 |
| 第1章 绪论 | 第14-28页 |
| ·背景与意义 | 第14-15页 |
| ·国内外研究进展 | 第15-26页 |
| ·遥感图像道路提取研究国内外现状 | 第15-19页 |
| ·数学形态学在道路提取的应用 | 第19-21页 |
| ·纹理特征在道路提取的应用 | 第21-23页 |
| ·遥感图像其它方面的研究 | 第23-24页 |
| ·在线数据库分类研究 | 第24-26页 |
| ·论文主要研究工作 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第2章 在线数据库道路遥感图像分类研究 | 第28-44页 |
| ·引言 | 第28-29页 |
| ·数据采集与预处理 | 第29-31页 |
| ·支持向量机 | 第31-38页 |
| ·支持向量机的理论背景 | 第31-33页 |
| ·支持向量机的基本思想 | 第33-34页 |
| ·支持向量机的定义 | 第34-36页 |
| ·内积核函数 | 第36-37页 |
| ·SVM的优势 | 第37页 |
| ·SVM的应用 | 第37-38页 |
| ·基于支持向量机的分类器 | 第38页 |
| ·图像分类 | 第38-40页 |
| ·文本特征的提取 | 第39页 |
| ·图像特征的提取 | 第39页 |
| ·特征的融合 | 第39-40页 |
| ·实验过程及结果 | 第40-43页 |
| ·实验过程 | 第40-41页 |
| ·实验结果及分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 遥感图像云层自动识别 | 第44-64页 |
| ·灰度共生矩阵 | 第44-51页 |
| ·一阶统计方法 | 第44-45页 |
| ·二阶统计方法及GLCM | 第45-47页 |
| ·GLCM特征量 | 第47-49页 |
| ·GLCM特征量的物理意义 | 第49-50页 |
| ·特征图像的生成 | 第50-51页 |
| ·纹理分析方法 | 第51-57页 |
| ·纹理的概念 | 第51-53页 |
| ·几种纹理分析方法 | 第53-55页 |
| ·纹理分析的应用 | 第55-56页 |
| ·遥感图像纹理特征分析 | 第56-57页 |
| ·纹理特征提取 | 第57-60页 |
| ·角二阶矩与空间域相结合的云层自动识别 | 第60-61页 |
| ·实验结果 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第4章 基于结构张量的遥感图像道路提取 | 第64-78页 |
| ·结构张量 | 第64-66页 |
| ·结构张量的分析 | 第64-65页 |
| ·结构张量的应用 | 第65-66页 |
| ·图像滤波 | 第66-70页 |
| ·邻域平均方法 | 第66页 |
| ·中值滤波法 | 第66-67页 |
| ·掩模消噪法 | 第67页 |
| ·频域理想低通滤波 | 第67-68页 |
| ·高斯低通滤波 | 第68页 |
| ·小波阈值去噪 | 第68-70页 |
| ·基于结构张量的道路提取 | 第70-74页 |
| ·边缘检测 | 第70-74页 |
| ·主方向的计算 | 第74页 |
| ·改进的基于结构张量的道路提取算法 | 第74-76页 |
| ·改进的主方向计算方法 | 第74-75页 |
| ·结合Gibbs抽样进行道路提取 | 第75-76页 |
| ·实验结果 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 基于圆投影变换的遥感图像道路提取 | 第78-88页 |
| ·圆投影变换理论 | 第78-80页 |
| ·圆投影理论实例 | 第78-79页 |
| ·圆投影变换原理 | 第79-80页 |
| ·基于圆投影变换的道路提取算法 | 第80-81页 |
| ·实验结果 | 第81-86页 |
| ·评价方法 | 第82-85页 |
| ·实验结果 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 第6章 总结与展望 | 第88-90页 |
| ·工作总结 | 第88-89页 |
| ·未来展望 | 第89-90页 |
| 参考文献 | 第90-102页 |
| 致谢 | 第102-103页 |
| 攻读博士学位期间的学术论文 | 第103页 |
