| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 研究目的 | 第14-15页 |
| 1.4 本文贡献及创新点 | 第15页 |
| 1.5 论文结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第2章 背景技术 | 第17-24页 |
| 2.1 遥感影像多时相变化检测算法 | 第17-19页 |
| 2.1.1 遥感影像降维算法 | 第17-18页 |
| 2.1.2 遥感影像分割算法 | 第18-19页 |
| 2.2 大数据技术 | 第19-21页 |
| 2.2.1 HBase | 第19-20页 |
| 2.2.2 Spark | 第20-21页 |
| 2.3 卷积神经网络 | 第21-22页 |
| 2.4 WorldWind | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 系统总体框架设计 | 第24-36页 |
| 3.1 系统总体功能与要求 | 第24-28页 |
| 3.1.1 系统总体要求 | 第24-26页 |
| 3.1.2 功能设计 | 第26-28页 |
| 3.2 系统总体架构 | 第28-31页 |
| 3.2.1 系统总体架构设计 | 第28-29页 |
| 3.2.2 存储层 | 第29页 |
| 3.2.3 处理层 | 第29-30页 |
| 3.2.4 展示层 | 第30-31页 |
| 3.3 系统总体流程 | 第31-34页 |
| 3.3.1 数据插入流程 | 第31-32页 |
| 3.3.2 数据处理流程 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 基于HBase的存储模块 | 第36-47页 |
| 4.1 存储模块介绍 | 第36页 |
| 4.2 存储模块整体实现 | 第36-46页 |
| 4.2.1 遥感影像数据预处理 | 第37-39页 |
| 4.2.2 瓦片数据生成 | 第39-43页 |
| 4.2.3 存储模型设计 | 第43-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 基于Spark的遥感影像多时相变化检测算法 | 第47-58页 |
| 5.1 多时相变化检测算法模块介绍 | 第47页 |
| 5.2 高分辨率遥感影像降维算法 | 第47-48页 |
| 5.3 高分辨率遥感影像分割算法 | 第48-56页 |
| 5.3.1 数据预处理 | 第49-51页 |
| 5.3.2 使用GBDT进行遥感影像分割 | 第51-52页 |
| 5.3.3 使用KMeans进行遥感影像分割 | 第52页 |
| 5.3.4 基于GBDT与KMeans结合的遥感影像分割算法 | 第52-53页 |
| 5.3.5 基于GBDT与卷积神经网络结合的遥感影像分割算法 | 第53-56页 |
| 5.4 遥感影像多时相变化检测算法 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 实验与分析 | 第58-69页 |
| 6.1 实验环境与数据 | 第58-59页 |
| 6.1.1 实验环境 | 第58-59页 |
| 6.1.2 实验数据 | 第59页 |
| 6.2 实验结果 | 第59-68页 |
| 6.2.1 功能展示 | 第59-60页 |
| 6.2.2 实验结果对比 | 第60-66页 |
| 6.2.3 性能对比 | 第66-67页 |
| 6.2.4 实验测试分析 | 第67-68页 |
| 6.3 本章小结 | 第68-69页 |
| 第7章 总结与展望 | 第69-72页 |
| 7.1 工作总结 | 第69-70页 |
| 7.2 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间主要的研究成果 | 第76-78页 |
| 致谢 | 第78页 |
