基于无人机高分辨率遥感影像的四川低丘区耕地信息提取研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 研究目的及意义 | 第14页 |
| 1.4 研究内容与方法 | 第14-16页 |
| 1.5 技术路线 | 第16-17页 |
| 1.6 结构安排 | 第17-18页 |
| 2 面向对象影像分割理论 | 第18-38页 |
| 2.1 面向对象分类方法概述 | 第18页 |
| 2.2 多尺度分割方法 | 第18-23页 |
| 2.2.1 多尺度分割原理 | 第18-21页 |
| 2.2.2 多尺度分割参数概述 | 第21-23页 |
| 2.3 最优分割尺度 | 第23-25页 |
| 2.4 基于Canny的边缘检测 | 第25-27页 |
| 2.5 影像特征 | 第27-30页 |
| 2.6 影像分类 | 第30-35页 |
| 2.6.1 阈值分类 | 第30-31页 |
| 2.6.2 模糊分类法 | 第31-33页 |
| 2.6.3 SEaTH算法规则分类 | 第33-35页 |
| 2.7 精度评价 | 第35-36页 |
| 2.8 小结 | 第36-38页 |
| 3 研究区概况与影像预处理 | 第38-44页 |
| 3.1 研究区概况 | 第38-39页 |
| 3.2 数据源与处理平台 | 第39页 |
| 3.3 无人机影像预处理 | 第39-43页 |
| 3.4 小节 | 第43-44页 |
| 4 面向对象的影像多尺度分割 | 第44-57页 |
| 4.1 研究区耕地类型划分 | 第44-45页 |
| 4.2 研究区影像多尺度分割 | 第45-56页 |
| 4.2.1 最优分割尺度 | 第45-49页 |
| 4.2.2 基于Canny边缘检测辅助分割 | 第49-53页 |
| 4.2.3 光谱与形状因子组合 | 第53-56页 |
| 4.3 小结 | 第56-57页 |
| 5 面向对象影像分类 | 第57-74页 |
| 5.1 基于最邻近分类算法分类 | 第57-59页 |
| 5.2 基于SEaTH算法的规则分类 | 第59-61页 |
| 5.3 基于最邻近与SEaTH算法结合分类 | 第61-68页 |
| 5.3.1 植被与非植被分类 | 第62-63页 |
| 5.3.2 有作物覆盖耕地提取 | 第63-65页 |
| 5.3.3 无作物覆盖耕地提取 | 第65页 |
| 5.3.4 非无植被覆盖耕地细分 | 第65-66页 |
| 5.3.5 薄膜覆盖耕地提取 | 第66-67页 |
| 5.3.6 分类结果合并 | 第67-68页 |
| 5.4 精度评价与分类结果分析 | 第68-71页 |
| 5.5 方法检验 | 第71-72页 |
| 5.6 小河村耕地信息提取 | 第72-73页 |
| 5.7 小结 | 第73-74页 |
| 6 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74-75页 |
| 6.2 创新点 | 第75页 |
| 6.3 研究不足与展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 硕士研究生期间成果 | 第82页 |
