| 摘要 | 第1-13页 |
| ABSTRACT | 第13-15页 |
| 第一章 绪论 | 第15-20页 |
| ·超宽带 SAR 道路提取的研究背景及意义 | 第15-16页 |
| ·SAR 图像道路提取的研究现状 | 第16-18页 |
| ·本文的主要工作及结构安排 | 第18-20页 |
| ·本文的研究内容及思路 | 第18-19页 |
| ·本文的研究工作和结构安排 | 第19-20页 |
| 第二章 超宽带 SAR 图像预处理 | 第20-41页 |
| ·引言 | 第20-21页 |
| ·超宽带 SAR 成像特点及其对道路提取的影响 | 第21-24页 |
| ·超宽带 SAR 成像特点 | 第21-23页 |
| ·实际图像特点及其对道路提取影响分析 | 第23-24页 |
| ·超宽带 SAR 图像的杂波模型分析 | 第24-30页 |
| ·四种杂波模型的参数估计方法 | 第25-26页 |
| ·超宽带 SAR 图像杂波模型拟合度分析方法 | 第26-30页 |
| ·经典图像增强方法在超宽带 SAR 图像中的应用 | 第30-35页 |
| ·经典图像增强方法 | 第30-35页 |
| ·分段直方图均衡化图像增强方法及效果评估 | 第35-40页 |
| ·分段直方图均衡化图像增强 | 第35-36页 |
| ·图像增强效果评价 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 超宽带 SAR 图像道路边缘检测方法 | 第41-59页 |
| ·引言 | 第41-42页 |
| ·经典图像边缘检测算法适应性研究 | 第42-51页 |
| ·基于理想灰度模型的方向导数边缘检测算法 | 第43页 |
| ·基于形态学模板的道路边缘检测算子 | 第43-45页 |
| ·基于灰度横截面匹配的道路边缘检测算法 | 第45-46页 |
| ·基于条带结构匹配的道路边缘检测算法 | 第46-47页 |
| ·基于形态学滤波的道路边缘检测算法 | 第47-48页 |
| ·基于辐条模型的道路边缘检测算法 | 第48-49页 |
| ·基于区域一致性原理的道路边缘检测算法 | 第49-50页 |
| ·经典边缘检测算法适应性分析 | 第50-51页 |
| ·形态学模板算子和区域相位一致性相结合的边缘检测算法 | 第51-57页 |
| ·算法原理 | 第51-53页 |
| ·边缘检测算法对比实验 | 第53-56页 |
| ·边缘检测效果客观评价 | 第56-57页 |
| ·超宽带 SAR 道路提取中边缘检测的流程 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第四章 超宽带 SAR 图像道路线基元提取方法 | 第59-71页 |
| ·引言 | 第59-60页 |
| ·基于道路几何特征的边缘检测结果筛选 | 第60-62页 |
| ·边缘检测结果筛选方法原理 | 第60页 |
| ·边缘检测结果筛选实验 | 第60-62页 |
| ·超宽带 SAR 图像道路边缘检测结果细化算法 | 第62-70页 |
| ·经典细化算法 | 第62-64页 |
| ·基于几何主轴和 Hough 变换相结合的细化方法 | 第64-69页 |
| ·细化方法效果评价 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 线基元连接和道路识别 | 第71-93页 |
| ·引言 | 第71-72页 |
| ·线基元连接方法 | 第72-85页 |
| ·层次记号编组方法 | 第72-76页 |
| ·基于线基元分级的改进层次记号编组方法 | 第76-82页 |
| ·实验验证及结果分析 | 第82-85页 |
| ·道路识别方法 | 第85-87页 |
| ·软件平台设计 | 第87-92页 |
| ·用户界面设计研究 | 第88-90页 |
| ·软件模块化设计研究 | 第90-91页 |
| ·数据传递规划研究 | 第91-92页 |
| ·本章小结 | 第92-93页 |
| 第六章 结束语 | 第93-96页 |
| ·主要研究成果和创新点 | 第93-94页 |
| ·研究展望 | 第94-96页 |
| 致谢 | 第96-98页 |
| 参考文献 | 第98-101页 |
| 作者在学期间获得的学术成果 | 第101页 |