| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第16-29页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状分析 | 第17-26页 |
| 1.2.1 城市地表覆盖变化检测现状 | 第17-18页 |
| 1.2.2 变化检测方法的重要发展 | 第18-25页 |
| 1.2.3 目前存在的一些问题 | 第25-26页 |
| 1.3 研究目标和内容 | 第26-27页 |
| 1.3.1 研究目标 | 第26页 |
| 1.3.2 研究内容 | 第26-27页 |
| 1.4 论文组织安排 | 第27-29页 |
| 第2章 相关理论和方法基础 | 第29-45页 |
| 2.1 基础变化检测方法 | 第29-32页 |
| 2.1.1 代数运算检测法 | 第29-30页 |
| 2.1.2 变换检测法 | 第30-31页 |
| 2.1.3 特征比较法 | 第31-32页 |
| 2.2 自动阈值选择 | 第32-34页 |
| 2.3 面向对象的分析 | 第34-38页 |
| 2.3.1 从像素点到像斑 | 第34页 |
| 2.3.2 影像分割算法 | 第34-36页 |
| 2.3.3 影像分割尺度的选择 | 第36页 |
| 2.3.4 基于规则的面向对象分类 | 第36-38页 |
| 2.4 深度卷积神经网络 | 第38-44页 |
| 2.4.1 经典深度卷积神经网络模型 | 第38-43页 |
| 2.4.2 利用迁移学习进行地表覆盖影像分类 | 第43-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第3章 顾及影像数据不确定性的城市地表覆盖变化检测框架 | 第45-55页 |
| 3.1 影像数据的不确定性 | 第45-46页 |
| 3.2 检测流程自动化 | 第46-47页 |
| 3.3 检测方法对比分析 | 第47-51页 |
| 3.3.1 检测方法的优缺点分析 | 第47-50页 |
| 3.3.2 检测方法的自动化程度分析 | 第50页 |
| 3.3.3 检测结果分析 | 第50-51页 |
| 3.4 流程优化 | 第51-52页 |
| 3.5 建立城市地表覆盖变化检测框架 | 第52-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第4章 领域知识提取 | 第55-80页 |
| 4.1 领域知识框架 | 第55-56页 |
| 4.2 变化检测原理性的领域知识提取 | 第56-63页 |
| 4.2.1 影像知识 | 第56-61页 |
| 4.2.2 地理学知识 | 第61-62页 |
| 4.2.3 变化图斑先验知识 | 第62-63页 |
| 4.3 变化检测经验性的领域知识提取 | 第63-79页 |
| 4.3.1 结合专家经验的领域知识提取工具 | 第64-65页 |
| 4.3.2 选取检测区域样本 | 第65-66页 |
| 4.3.3 关联历史领域知识 | 第66-67页 |
| 4.3.4 提取影像预处理知识 | 第67-71页 |
| 4.3.5 提取影像变化区域检测知识 | 第71-75页 |
| 4.3.6 提取影像地表覆盖类别知识 | 第75-78页 |
| 4.3.7 知识规则结构 | 第78-79页 |
| 4.4 本章小结 | 第79-80页 |
| 第5章 基于深度学习的地表覆盖影像分类 | 第80-91页 |
| 5.1 深度卷积神经网络的重要特性 | 第82-84页 |
| 5.1.1 旋转不变性 | 第82-83页 |
| 5.1.2 平移不变性 | 第83页 |
| 5.1.3 稀疏性 | 第83页 |
| 5.1.4 权值共享 | 第83页 |
| 5.1.5 多特征图 | 第83-84页 |
| 5.2 顾及时相特征的影像样本选取 | 第84-85页 |
| 5.3 学习率的选取 | 第85-86页 |
| 5.4 利用ImageNet数据集进行迁移学习 | 第86页 |
| 5.5 实验结果和分析 | 第86-90页 |
| 5.5.1 选取样本 | 第86-87页 |
| 5.5.2 模型训练 | 第87-89页 |
| 5.5.3 模型验证 | 第89-90页 |
| 5.6 本章小结 | 第90-91页 |
| 第6章 城市地表覆盖变化检测系统开发及应用 | 第91-103页 |
| 6.1 应用区域概况 | 第91-93页 |
| 6.2 应用系统 | 第93-95页 |
| 6.2.1 技术框架 | 第93-94页 |
| 6.2.2 系统功能界面 | 第94页 |
| 6.2.3 系统实施工作流程 | 第94-95页 |
| 6.3 应用实践 | 第95-101页 |
| 6.3.1 数据分块处理 | 第95页 |
| 6.3.2 知识提取 | 第95-100页 |
| 6.3.3 自动变化检测 | 第100-101页 |
| 6.4 应用结果和分析 | 第101-102页 |
| 6.5 本章小结 | 第102-103页 |
| 第7章 总结与展望 | 第103-106页 |
| 7.1 论文总结 | 第103-104页 |
| 7.2 论文主要贡献及创新点 | 第104页 |
| 7.3 研究展望 | 第104-106页 |
| 参考文献 | 第106-123页 |
| 攻博期间的主要科研工作 | 第123-125页 |
| 致谢 | 第125-126页 |