| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第16-42页 |
| 1.1 研究背景与意义 | 第16-20页 |
| 1.1.1 基于遥感影像的异常检测 | 第16-18页 |
| 1.1.2 基于序列遥感影像的异常检测 | 第18-20页 |
| 1.2 国内外研究现状 | 第20-34页 |
| 1.2.1 遥感影像异常检测方法的研究进展 | 第20-29页 |
| 1.2.2 序列遥感影像异常检测方法的研究进展 | 第29-34页 |
| 1.3 研究概况 | 第34-39页 |
| 1.3.1 研究目标 | 第34-36页 |
| 1.3.2 技术路线 | 第36-38页 |
| 1.3.3 研究内容 | 第38-39页 |
| 1.4 论文框架 | 第39-42页 |
| 第2章 数据及验证方案 | 第42-56页 |
| 2.1 引言 | 第42页 |
| 2.2 数据集介绍 | 第42-44页 |
| 2.2.1 HJ-1A/BCCD | 第42-43页 |
| 2.2.2 GF-4PMS | 第43-44页 |
| 2.3 研究区介绍 | 第44-47页 |
| 2.3.1 黑龙江 | 第45-46页 |
| 2.3.2 洞庭湖 | 第46-47页 |
| 2.4 数据准备 | 第47-51页 |
| 2.4.1 几何校正 | 第47-48页 |
| 2.4.2 辐射校正 | 第48-49页 |
| 2.4.3 特征选择 | 第49-51页 |
| 2.5 验证方案 | 第51-56页 |
| 2.5.1 参考图的制作 | 第51-52页 |
| 2.5.2 精度评价方法 | 第52-56页 |
| 第3章 基于时空上下文模型的异常检测 | 第56-108页 |
| 3.1 引言 | 第56页 |
| 3.2 基于时空上下文模型的异常检测方法 | 第56-84页 |
| 3.2.1 概述 | 第56-58页 |
| 3.2.2 时空上下文模型 | 第58-64页 |
| 3.2.3 基于时空上下文模型的异常检测 | 第64-66页 |
| 3.2.4 检测结果优化 | 第66-69页 |
| 3.2.5 实验与分析 | 第69-83页 |
| 3.2.6 小结 | 第83-84页 |
| 3.3 时空上下文模型在洪涝异常检测中的应用 | 第84-108页 |
| 3.3.1 概述 | 第84-85页 |
| 3.3.2 基于改进时空上下文模型的永久像素提取 | 第85-87页 |
| 3.3.3 弱监督训练集的自动获取 | 第87-88页 |
| 3.3.4 基于永久像素与ModestAdaBoost的洪涝异常检测 | 第88-92页 |
| 3.3.5 实验与分析 | 第92-106页 |
| 3.3.6 小结 | 第106-108页 |
| 第4章 基于时空神经网络的异常检测 | 第108-148页 |
| 4.1 引言 | 第108-109页 |
| 4.2 基于时空神经网络的异常检测方法 | 第109-131页 |
| 4.2.1 概述 | 第109-110页 |
| 4.2.2 循环神经网络 | 第110-113页 |
| 4.2.3 长短期记忆网络 | 第113-114页 |
| 4.2.4 基于时空LSTM的序列影像异常检测 | 第114-119页 |
| 4.2.5 实验与分析 | 第119-131页 |
| 4.2.6 小结 | 第131页 |
| 4.3 时空神经网络在洪涝异常检测中的应用 | 第131-148页 |
| 4.3.1 概述 | 第131-133页 |
| 4.3.2 基于非监督聚类的遥感时空序列重构 | 第133-135页 |
| 4.3.3 基于时空LSTM与非监督聚类的序列影像异常检测 | 第135-136页 |
| 4.3.4 对比方法 | 第136页 |
| 4.3.5 实验与分析 | 第136-146页 |
| 4.3.6 小结 | 第146-148页 |
| 第5章 总结与展望 | 第148-154页 |
| 5.1 总结 | 第148-151页 |
| 5.1.1 研究总结 | 第148-150页 |
| 5.1.2 方法对比 | 第150-151页 |
| 5.2 主要的创新点 | 第151-152页 |
| 5.3 存在的问题及展望 | 第152-154页 |
| 参考文献 | 第154-164页 |
| 致谢 | 第164-166页 |
| 作者简历 | 第166-167页 |
| 攻读学位期间发表的学术论文 | 第167页 |