| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第15-33页 |
| 1.1 课题背景及研究的目的和意义 | 第15-16页 |
| 1.2 高分辨率遥感图像及典型遥感目标的特点 | 第16-18页 |
| 1.2.1 高分辨率遥感图像的特点 | 第16-17页 |
| 1.2.2 高分辨率遥感图像目标分析 | 第17-18页 |
| 1.3 遥感图像目标识别研究现状 | 第18-21页 |
| 1.3.1 遥感目标识别研究现状 | 第18-21页 |
| 1.3.2 现有识别方法的局限性 | 第21页 |
| 1.4 高分辨率遥感图像目标识别关键技术概述 | 第21-31页 |
| 1.4.1 图像分割 | 第22-25页 |
| 1.4.2 感兴趣区域提取 | 第25-26页 |
| 1.4.3 特征提取 | 第26-30页 |
| 1.4.4 目标分类 | 第30-31页 |
| 1.5 本文的主要研究内容 | 第31-33页 |
| 第2章 基于快速 Mean Shift 和标记分水岭变换的图像分割方法研究 | 第33-58页 |
| 2.1 引言 | 第33页 |
| 2.2 相关算法基础理论 | 第33-37页 |
| 2.2.1 分水岭分割 | 第33-35页 |
| 2.2.2 均值漂移算法 | 第35-37页 |
| 2.3 基于 MEAN SHIFT 和分水岭变换的遥感图像分割 | 第37-48页 |
| 2.3.1 算法概述 | 第37页 |
| 2.3.2 双边滤波 | 第37-39页 |
| 2.3.3 快速均值漂移分割 | 第39-42页 |
| 2.3.4 标记图像提取 | 第42-43页 |
| 2.3.5 标记控制影像标记 | 第43-44页 |
| 2.3.6 区域合并 | 第44-48页 |
| 2.4 实验与分析 | 第48-57页 |
| 2.4.1 测试图像和分割评价方法 | 第48-50页 |
| 2.4.2 算法的多尺度特性分析 | 第50-51页 |
| 2.4.3 图像分割精度评价 | 第51-56页 |
| 2.4.4 图像分割效率评价 | 第56-57页 |
| 2.5 本章小结 | 第57-58页 |
| 第3章 基于视觉显著性的感兴趣区域提取方法研究 | 第58-84页 |
| 3.1 引言 | 第58-60页 |
| 3.2 视觉显著性检测 | 第60-65页 |
| 3.2.1 视觉注意机制及相关模型 | 第60-61页 |
| 3.2.2 视觉显著性检测模型 | 第61-63页 |
| 3.2.3 现有显著性检测算法的局限性 | 第63-65页 |
| 3.3 基于直线段分布显著图的线性目标 ROI 提取 | 第65-69页 |
| 3.3.1 直线段加权长度分布密度显著性模型 | 第65-67页 |
| 3.3.2 大尺度线性目标 ROI 提取 | 第67-69页 |
| 3.4 基于多尺度颜色直方图对比度显著图的团块目标 ROI 提取 | 第69-73页 |
| 3.4.1 颜色直方图对比度显著性模型 | 第69-70页 |
| 3.4.2 多尺度颜色直方图对比度显著性模型 | 第70-71页 |
| 3.4.3 小尺度团块目标 ROI 提取 | 第71-73页 |
| 3.5 实验与分析 | 第73-83页 |
| 3.5.1 显著性检测算法对比 | 第74-79页 |
| 3.5.2 基于视觉显著性的 ROI 提取结果 | 第79-83页 |
| 3.6 本章小结 | 第83-84页 |
| 第4章 遥感目标典型形状特征提取方法研究 | 第84-114页 |
| 4.1 引言 | 第84页 |
| 4.2 直线特征提取方法研究 | 第84-97页 |
| 4.2.1 相位编组法 | 第85-86页 |
| 4.2.2 基于改进相位编组和感知分组连接的快速直线检测 | 第86-90页 |
| 4.2.3 线性结构特征提取 | 第90-94页 |
| 4.2.4 实验与分析 | 第94-97页 |
| 4.3 圆形特征提取方法研究 | 第97-104页 |
| 4.3.1 标准圆检测 Hough 变换 | 第98-99页 |
| 4.3.2 改进的两步法圆检测 Hough 变换 | 第99-102页 |
| 4.3.3 实验与分析 | 第102-104页 |
| 4.4 目标区域几何特征快速提取方法研究 | 第104-113页 |
| 4.4.1 连通区域标记算法 | 第105-107页 |
| 4.4.2 改进的快速连通区域标记算法 | 第107-110页 |
| 4.4.3 区域几何形状特征提取 | 第110-111页 |
| 4.4.4 实验与分析 | 第111-113页 |
| 4.5 本章小结 | 第113-114页 |
| 第5章 基于形状特征的多类目标分类识别方法研究 | 第114-144页 |
| 5.1 引言 | 第114页 |
| 5.2 相关算法基础理论 | 第114-116页 |
| 5.2.1 支持向量机 | 第114-115页 |
| 5.2.2 Bag-of-words 模型 | 第115-116页 |
| 5.3 基于直线加权长度分布显著性的线性目标识别 | 第116-126页 |
| 5.3.1 算法概述 | 第116-117页 |
| 5.3.2 目标属性分析 | 第117-119页 |
| 5.3.3 感兴趣区域提取 | 第119-120页 |
| 5.3.4 面向对象水陆分类 | 第120-122页 |
| 5.3.5 特征提取和表达 | 第122-124页 |
| 5.3.6 目标识别 | 第124-126页 |
| 5.4 基于多尺度直方图对比度显著性的团块目标识别 | 第126-137页 |
| 5.4.1 算法概述 | 第126页 |
| 5.4.2 目标属性分析 | 第126-128页 |
| 5.4.3 感兴趣区域提取 | 第128-130页 |
| 5.4.4 特征提取和表达 | 第130-133页 |
| 5.4.5 目标识别 | 第133-137页 |
| 5.5 实验与分析 | 第137-143页 |
| 5.5.1 实验数据 | 第137-139页 |
| 5.5.2 目标检测识别结果 | 第139-141页 |
| 5.5.3 实验结果分析 | 第141-143页 |
| 5.6 本章小结 | 第143-144页 |
| 结论 | 第144-146页 |
| 参考文献 | 第146-166页 |
| 攻读博士学位期间发表的论文及其它成果 | 第166-168页 |
| 致谢 | 第168-169页 |
| 个人简历 | 第169页 |
