| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-17页 |
| 1.1 研究内容及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 预处理及低层特征提取 | 第9-10页 |
| 1.2.2 道路识别方法 | 第10-13页 |
| 1.2.3 存在问题及解决方法 | 第13-14页 |
| 1.3 本文技术路线及研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 城市道路遥感图像低层特征提取方法 | 第17-38页 |
| 2.1 城市道路特征分析 | 第17-20页 |
| 2.1.1 道路共同特征 | 第17-18页 |
| 2.1.2 城市道路关键特征 | 第18-20页 |
| 2.2 基于形态学运算和张量投票的细节特征提取方法 | 第20-33页 |
| 2.2.1 多尺度预处理方法选择 | 第20-28页 |
| 2.2.2 基于形态学运算的细节特征提取 | 第28-29页 |
| 2.2.3 基于Frangi滤波的细节特征增强 | 第29-30页 |
| 2.2.4 基于张量投票的方向特征增强 | 第30-33页 |
| 2.3 实验结果分析 | 第33-37页 |
| 2.3.1 实验图像及参数设置 | 第33-35页 |
| 2.3.2 细节特征提取结果与分析 | 第35-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 结合方向特征的面向对象分割方法 | 第38-51页 |
| 3.1 面向对象的遥感图像分割方法 | 第38-39页 |
| 3.2 细节特征指导下的面向对象分割方法 | 第39-44页 |
| 3.2.1 超像素分割 | 第40-43页 |
| 3.2.2 考虑方向特征的超像素间异质度计算方法 | 第43-44页 |
| 3.3 实验结果及分析 | 第44-50页 |
| 3.3.1 实验参数及设置 | 第44-46页 |
| 3.3.2 图像分割结果及对比实验 | 第46-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于高层语义知识的城市道路识别方法 | 第51-69页 |
| 4.1 城市道路特征提取及到高层语义对象的映射过程 | 第52-61页 |
| 4.1.1 城市道路区域特征提取 | 第52-57页 |
| 4.1.2 城市道路细节特征提取 | 第57-58页 |
| 4.1.3 从低层特征到高层语义对象的映射 | 第58-59页 |
| 4.1.4 基于对象间高层语义关系表述的城市道路识别方法 | 第59-61页 |
| 4.2 实验结果及分析 | 第61-67页 |
| 4.2.1 参数设置 | 第61-63页 |
| 4.2.2 道路识别结果与分析 | 第63-67页 |
| 4.3 本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 论文总结 | 第69-70页 |
| 5.2 工作展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 在学期间的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
