| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.1.1 遥感数据爆炸时代 | 第12-13页 |
| 1.1.2 遥感图像场景识别 | 第13-14页 |
| 1.2 国内外场景表达研究现状 | 第14-17页 |
| 1.2.1 场景表达方法分类 | 第14-16页 |
| 1.2.2 语义图像方法的发展 | 第16-17页 |
| 1.3 遥感图像场景识别的研究现状 | 第17-21页 |
| 1.3.1 高分辨率遥感影像的新特性 | 第17-18页 |
| 1.3.2 遥感图像场景识别方法的研究现状 | 第18-20页 |
| 1.3.3 语义图像方法在高分遥感影像场景识别中的应用 | 第20-21页 |
| 1.4 本文研究内容与组织结构 | 第21-24页 |
| 1.4.1 研究内容和难点 | 第21-22页 |
| 1.4.2 论文组织结构 | 第22-24页 |
| 第二章 人类视觉场景感知中的汇总统计机制 | 第24-39页 |
| 2.1 早期视觉中的场景识别 | 第24-29页 |
| 2.1.1 人类识别场景的层次 | 第24-25页 |
| 2.1.2 早期视觉阶段 | 第25-28页 |
| 2.1.3 人类早期视觉中的汇总统计 | 第28-29页 |
| 2.2 几种典型的汇总统计信息感知机制 | 第29-35页 |
| 2.2.1 平均方向信息 | 第29-31页 |
| 2.2.2 场景的杂乱度 | 第31-32页 |
| 2.2.3 感知的场景变化程度 | 第32-34页 |
| 2.2.4 场景目标的平均大小 | 第34-35页 |
| 2.3 基于汇总统计的高分遥感图像场景识别 | 第35-38页 |
| 2.3.1 高分辨率遥感影像典型的复杂场景 | 第35-36页 |
| 2.3.2 基于汇总统计的高分遥感影像场景识别的可行性 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 基于汇总统计特征的场景表达方法 | 第39-52页 |
| 3.1 汇总统计表达方法概述 | 第39-40页 |
| 3.2 汇总统计特征的提取方法 | 第40-50页 |
| 3.2.1 基于Gabor滤波器的平均方向信息度量 | 第40-43页 |
| 3.2.2 基于视觉拥堵的场景杂乱度度量 | 第43-44页 |
| 3.2.3 基于SSIM模型的场景变化程度估计 | 第44-48页 |
| 3.2.4 基于滤波器的场景目标平均大小估计 | 第48-50页 |
| 3.3 本章小结 | 第50-52页 |
| 第四章 实验分析与评价 | 第52-69页 |
| 4.1 USGS遥感数据集的实验和分析 | 第55-60页 |
| 4.1.1 区域图像块大小对场景变化程度描述的影响 | 第55-57页 |
| 4.1.2 平均方向信息和杂乱度对遥感图像的区分度 | 第57-58页 |
| 4.1.3 与典型的场景表达方法的对比 | 第58-60页 |
| 4.2 对高分影像典型的复杂场景的分类实验 | 第60-66页 |
| 4.2.1 对机场和港口高分遥感影像的分类实验 | 第60-63页 |
| 4.2.2 对机场和港口场景的平均方向信息的分析 | 第63-66页 |
| 4.3 非遥感数据集的实验和分析 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 全文总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表或录用的论文 | 第78-80页 |
