| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 古村落保护 | 第10页 |
| 1.1.2 遥感技术 | 第10-11页 |
| 1.1.3 高分辨率遥感影像分类识别 | 第11-12页 |
| 1.2 国内外研究现状及存在的问题 | 第12-16页 |
| 1.2.1 高分辨率遥感影像分类识别 | 第12-15页 |
| 1.2.2 古村落高分辨率遥感影像分类识别 | 第15页 |
| 1.2.3 古村落高分辨率遥感影像分类识别的难点 | 第15-16页 |
| 1.3 研究内容及结构安排 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 结构安排 | 第16-18页 |
| 第2章 古村落高分辨率遥感影像预处理 | 第18-31页 |
| 2.1 研究区域以及遥感数据源 | 第18-19页 |
| 2.2 影像增强处理 | 第19-21页 |
| 2.2.1 对比度拉伸变换 | 第19-20页 |
| 2.2.2 空间滤波 | 第20页 |
| 2.2.3 实验结果与分析 | 第20-21页 |
| 2.3 影像ROI区域获取 | 第21-22页 |
| 2.4 阴影检测与补偿 | 第22-30页 |
| 2.4.1 高分辨率遥感影像阴影的特性 | 第23页 |
| 2.4.2 高分辨率遥感影像阴影处理 | 第23-28页 |
| 2.4.3 实验结果及分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 古村落高分辨率遥感影像多尺度分割 | 第31-44页 |
| 3.1 影像分割 | 第31页 |
| 3.2 基于面向对象的多尺度多特征影像分割 | 第31-39页 |
| 3.2.1 面向对象 | 第32页 |
| 3.2.2 多尺度多特征分割 | 第32-37页 |
| 3.2.3 实验结果与分析 | 第37-39页 |
| 3.3 特征提取 | 第39-43页 |
| 3.3.1 遥感图像特征提取的基本理论 | 第39-40页 |
| 3.3.2 光谱特征和纹理特征 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 古村落高分辨率遥感影像集成学习分类 | 第44-60页 |
| 4.1 遥感影像分类识别方法 | 第44-47页 |
| 4.1.1 遥感影像分类识别方法概述 | 第44-45页 |
| 4.1.2 传统的遥感影像计算机分类 | 第45-46页 |
| 4.1.3 智能化遥感影像分类 | 第46-47页 |
| 4.2 集成学习 | 第47-52页 |
| 4.2.1 集成学习的基本概念 | 第48页 |
| 4.2.2 集成学习的典型算法 | 第48-49页 |
| 4.2.3 多分类器集成的系统架构 | 第49-52页 |
| 4.3 古村落高分辨率遥感影像多分类器集成分类算法 | 第52-54页 |
| 4.3.1 算法的基本思想 | 第52-53页 |
| 4.3.2 算法描述 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-59页 |
| 4.4.1 实验数据一 | 第54-57页 |
| 4.4.2 实验数据二 | 第57页 |
| 4.4.3 实验数据三 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 总结与展望 | 第60-63页 |
| 参考文献 | 第63-69页 |
| 附录A 攻读学位期间主要的研究成果 | 第69-70页 |
| 致谢 | 第70页 |