| 摘要 | 第5-6页 |
| 英文摘要 | 第6-7页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 本文的工作与贡献 | 第9-10页 |
| 1.3 本文的组织与结构 | 第10-11页 |
| 第2章 图像分割与图像语义分割 | 第11-19页 |
| 2.1 图像分割 | 第11-15页 |
| 2.1.1 图像分割常用方法 | 第11-14页 |
| 2.1.2 基于Mean-Shift算法的遥感图像分割 | 第14-15页 |
| 2.2 图像语义分割 | 第15-16页 |
| 2.2.1 概述 | 第15页 |
| 2.2.2 图像语义分割基础算法 | 第15-16页 |
| 2.2.3 语义分割常用图像库 | 第16页 |
| 2.2.4 语义分割评估标准 | 第16页 |
| 2.3 遥感图像语义分割 | 第16-18页 |
| 2.3.1 概述 | 第16-17页 |
| 2.3.2 基于DTSVM的遥感图像语义分割 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 卷积神经网络的发展与应用 | 第19-33页 |
| 3.1 CNN的主要构成 | 第19-23页 |
| 3.2 CNN的发展进程 | 第23-27页 |
| 3.3 CNN提取图像特征 | 第27-29页 |
| 3.4 CNN的主要应用 | 第29-30页 |
| 3.5 CNN存在的问题 | 第30-31页 |
| 3.6 本章小结 | 第31-33页 |
| 第4章 本文主要工作 | 第33-35页 |
| 4.1 问题定义 | 第33页 |
| 4.2 实现难点 | 第33-34页 |
| 4.3 预期效果 | 第34页 |
| 4.4 本章小结 | 第34-35页 |
| 第5章 基于卷积神经网络的遥感图像语义分割 | 第35-41页 |
| 5.1 方法概述 | 第35页 |
| 5.2 图像数据处理 | 第35-38页 |
| 5.2.1 图像标注及标签上色 | 第35-36页 |
| 5.2.2 图像数据增强 | 第36-37页 |
| 5.2.3 图像边缘提取 | 第37-38页 |
| 5.3 构建完全卷积神经网络 | 第38-39页 |
| 5.4 网络训练方案 | 第39页 |
| 5.5 BatchNormalization优化网络层 | 第39-40页 |
| 5.6 本章小结 | 第40-41页 |
| 第6章 实验过程及介绍 | 第41-46页 |
| 6.1 实验配置 | 第41-42页 |
| 6.1.1 实验环境 | 第41页 |
| 6.1.2 实验方法对比 | 第41页 |
| 6.1.3 实验效果评判 | 第41-42页 |
| 6.2 实验过程及步骤 | 第42-43页 |
| 6.2.1 网络数据输入 | 第42页 |
| 6.2.2 fine-tuning模型 | 第42-43页 |
| 6.3 实验结果与分析 | 第43-45页 |
| 6.4 本章小结 | 第45-46页 |
| 第7章 总结与展望 | 第46-49页 |
| 7.1 本文工作总结 | 第46-47页 |
| 7.2 未来研究工作 | 第47页 |
| 7.3 本章小结 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |