| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景与意义 | 第10-12页 |
| 1.2 国内外现状 | 第12-15页 |
| 1.2.1 遥感技术在震害信息提取方面的应用现状 | 第12-14页 |
| 1.2.2 遥感震害信息评价研究现状 | 第14-15页 |
| 1.3 研究内容与章节安排 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 章节安排 | 第16-18页 |
| 第2章 面向遥感影像震害检测的建筑物提取方法概论 | 第18-30页 |
| 2.1 高分辨率遥感影像的概述 | 第18-20页 |
| 2.2 遥感影像中震前震后建筑物特征及其变化分析 | 第20-23页 |
| 2.2.1 建筑物基本图像特征类型 | 第20-21页 |
| 2.2.2 震前震后建筑物的图像特征对比 | 第21-23页 |
| 2.3 本文的总体算法流程 | 第23-28页 |
| 2.3.1 灰度共生矩阵 | 第24-25页 |
| 2.3.2 区域增长算法 | 第25页 |
| 2.3.3 常用色彩空间模型 | 第25-26页 |
| 2.3.4 图像形态学处理 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 遥感影像的多尺度分割与特征提取 | 第30-44页 |
| 3.1 多尺度分割算法 | 第30-39页 |
| 3.1.1 多尺度分割概念 | 第30-31页 |
| 3.1.2 基于异质性最小原则的区域增长与合并算法 | 第31-34页 |
| 3.1.3 最优尺度选择 | 第34-37页 |
| 3.1.4 实验结果与分析 | 第37-39页 |
| 3.2 建筑物的特征提取 | 第39-43页 |
| 3.2.1 影像特征的定量描述方法 | 第39-41页 |
| 3.2.2 建筑物的特征提取 | 第41-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 面向影像SVM-KNN分类的变化检测 | 第44-56页 |
| 4.1 面向对象的分类算法 | 第44-49页 |
| 4.1.1 最近邻分类的基本概念 | 第44-46页 |
| 4.1.2 支持向量机的基本概念 | 第46-47页 |
| 4.1.3 SVM-KNN分类器 | 第47-49页 |
| 4.2 遥感影像分类实验与评价 | 第49-51页 |
| 4.3 变化检测的基本概念和数学模型 | 第51-53页 |
| 4.4 面向震前震后遥感影像建筑物的变化检测实验 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 震害信息提取系统设计与信息评价 | 第56-70页 |
| 5.1 震害信息提取系统功能模块 | 第56-61页 |
| 5.1.1 多尺度分割模块 | 第57-58页 |
| 5.1.2 面向对象SVM-KNN分类模块 | 第58-59页 |
| 5.1.3 变化检测模块 | 第59-61页 |
| 5.2 地震中建筑物震害分级 | 第61-64页 |
| 5.3 震害信息评估 | 第64-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |