| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题背景及研究目的与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-22页 |
| 1.2.1 基于物理特性的阈值法 | 第16-17页 |
| 1.2.2 基于纹理与空间信息的云检测算法 | 第17-18页 |
| 1.2.3 基于机器学习的云检测算法 | 第18-22页 |
| 1.3 本文主要工作与内容安排 | 第22-23页 |
| 第二章 云检测的基础理论及相关研究 | 第23-37页 |
| 2.1 引言 | 第23页 |
| 2.2 云和地面物体的特性 | 第23-29页 |
| 2.2.1 云的分类 | 第23-24页 |
| 2.2.2 光学遥感图像的类型 | 第24-25页 |
| 2.2.3 云和地面物体的光谱及物理特性分析 | 第25-26页 |
| 2.2.4 云和地面物体的纹理、形状及空间特性分析 | 第26-29页 |
| 2.2.5 其他特性 | 第29页 |
| 2.3 图像分割 | 第29-31页 |
| 2.3.1 图像分割的传统方法 | 第30页 |
| 2.3.2 基于深度学习的图像语义分割 | 第30-31页 |
| 2.4 多尺度图像分解 | 第31-33页 |
| 2.5 形态学图像处理 | 第33-34页 |
| 2.6 边缘的精细分割 | 第34页 |
| 2.7 本章小结 | 第34-37页 |
| 第三章 基于域变换滤波多尺度分解的高分辨率彩色图像云检测方法 | 第37-53页 |
| 3.1 引言 | 第37页 |
| 3.2 提取高反射率目标 | 第37-42页 |
| 3.2.1 CIELAB色彩空间转换 | 第37-39页 |
| 3.2.2 最小交叉熵图像阈值分割 | 第39-42页 |
| 3.3 域变换滤波多尺度分解提取地面物体 | 第42-47页 |
| 3.3.1 域变换滤波 | 第42-44页 |
| 3.3.2 域变换滤波多尺度图像分解 | 第44-46页 |
| 3.3.3 融合细节层并提取地面物体 | 第46-47页 |
| 3.4 粗检测及精细化分割 | 第47-50页 |
| 3.4.1 基于高反射率目标与地面物体多尺度细节的粗检测 | 第47页 |
| 3.4.2 孔洞填充以及小块非云连通区域与噪点的去除 | 第47-49页 |
| 3.4.3 去除规则形状的人造物 | 第49-50页 |
| 3.4.4 云区域边缘附近的精细分割 | 第50页 |
| 3.5 实验结果与分析 | 第50-52页 |
| 3.5.1 云检测效果主观评估 | 第50页 |
| 3.5.2 云检测效果定量评估 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于U-Net网络的的高分辨率彩色图像云检测方法 | 第53-67页 |
| 4.1 引言 | 第53页 |
| 4.2 本章章云检测方方法的整体流程 | 第53-54页 |
| 4.3 基于U-Net网络的粗分割 | 第54-60页 |
| 4.3.1 U-Net网络结构 | 第54-55页 |
| 4.3.2 上采样与转置卷积 | 第55-57页 |
| 4.3.3 多尺度特征跳跃连接融合 | 第57-59页 |
| 4.3.4 权值初始化、丢弃法、优化器 | 第59页 |
| 4.3.5 图像增广 | 第59-60页 |
| 4.4 精细化分割 | 第60页 |
| 4.5 实验结果与分析 | 第60-66页 |
| 4.5.1 云检测效果主观评估 | 第61-62页 |
| 4.5.2 云检测效果定量评估 | 第62-65页 |
| 4.5.3 本章算法局限性 | 第65-66页 |
| 4.6 本章小节 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
