基于面向对象的高分辨率遥感影像车辆提取方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 序 | 第9-12页 |
| 1 引言 | 第12-18页 |
| ·研究背景和意义 | 第12-15页 |
| ·遥感技术概述 | 第12页 |
| ·智慧城市与智能交通 | 第12-14页 |
| ·本文的目的与意义 | 第14-15页 |
| ·技术路线与论文构成 | 第15-16页 |
| ·试验环境 | 第16-18页 |
| 2 遥感影像中车辆提取技术的研究现状 | 第18-22页 |
| ·国外研究现状 | 第18-19页 |
| ·国内研究现状 | 第19-22页 |
| 3 遥感影像的分析原理 | 第22-40页 |
| ·传统的遥感影像分析 | 第22-27页 |
| ·目视解译 | 第22-24页 |
| ·基于像元的分类 | 第24-26页 |
| ·混合像元的分解 | 第26-27页 |
| ·面向对象的影像分析 | 第27-39页 |
| ·面向对象的由来 | 第27-28页 |
| ·模糊分类理论 | 第28-30页 |
| ·影像分割与合并 | 第30-34页 |
| ·信息提取 | 第34-39页 |
| ·面向对象分析的优势 | 第39-40页 |
| 4 面向对象的车辆提取技术研究 | 第40-68页 |
| ·车辆的遥感影像特征 | 第40-47页 |
| ·电磁波谱特征 | 第40-44页 |
| ·空间分布特征 | 第44-46页 |
| ·时相特征 | 第46-47页 |
| ·车辆对象的特征选取 | 第47-50页 |
| ·车辆对象提取试验 | 第50-68页 |
| ·数据源的准备 | 第50-52页 |
| ·影像的预处理 | 第52-55页 |
| ·车辆提取试验 | 第55-68页 |
| 5 车辆自动提取系统实现 | 第68-88页 |
| ·系统架构 | 第68-71页 |
| ·Qt和C++ | 第68-69页 |
| ·GDAL与OGR | 第69页 |
| ·ENVI与IDL | 第69-71页 |
| ·XML文件 | 第71页 |
| ·系统实现 | 第71-79页 |
| ·车辆提取结果分析 | 第79-88页 |
| 6 结论 | 第88-92页 |
| ·本文的不足 | 第88页 |
| ·算法的改进 | 第88页 |
| ·试验的改进 | 第88页 |
| ·遥感信息提取技术的展望 | 第88-92页 |
| ·并行计算 | 第88-89页 |
| ·终端与云计算 | 第89页 |
| ·多源影像的综合利用 | 第89-90页 |
| ·遥感与GIS和导航系统的集成 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 附录A | 第96-98页 |
| 附录B | 第98-106页 |
| 作者简历 | 第106-110页 |
| 学位论文数据集 | 第110页 |
