摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第一章 绪论 | 第12-22页 |
1.1 研究背景和意义 | 第12页 |
1.2 遥感图像目标识别的研究现状 | 第12-14页 |
1.3 遥感图像目标提取的基本思想 | 第14-19页 |
1.3.1 目标提取的基本思想 | 第15-16页 |
1.3.2 半自动提取方法 | 第16-17页 |
1.3.3 自动提取方法 | 第17-19页 |
1.3.4 对提取方法的进一步思考 | 第19页 |
1.4 论文的研究难点 | 第19-20页 |
1.5 主要研究内容和论文结构 | 第20-22页 |
第二章 遥感图像的边缘提取算法研究 | 第22-45页 |
2.1 引言 | 第22页 |
2.2 线状目标边缘提取概述 | 第22-23页 |
2.3 基于Canny微分算子的边缘检测 | 第23页 |
2.4 利用数学形态学提取边缘 | 第23-24页 |
2.5 实验结果 | 第24-26页 |
2.6 利用改进的活动轮廓模型提取边缘 | 第26-40页 |
2.6.1 Snake模型原理 | 第26-27页 |
2.6.2 Snake模型国内外的研究进展 | 第27-28页 |
2.6.3 Snake算法存在的问题 | 第28-29页 |
2.6.4 改进的Snake算法提取目标边缘 | 第29-33页 |
2.6.5 实验结果例举 | 第33-40页 |
2.7 基于图像融合的多分辨主动轮廓提取 | 第40-43页 |
2.7.1 传统的Snake模型原理 | 第40-41页 |
2.7.2 基于小波的Snake模型原理 | 第41-42页 |
2.7.3 基于小波的Snake轮廓检测实验结果和分析 | 第42-43页 |
2.8 本章小结 | 第43-45页 |
第三章 遥感图像的桥梁目标检测与识别方法 | 第45-58页 |
3.1 引言 | 第45页 |
3.2 桥梁的基本模型 | 第45-46页 |
3.3 自动识别算法的基本思想 | 第46-48页 |
3.4 自动识别算法的具体实现 | 第48-54页 |
3.4.1 Hough变换原理及其局限性 | 第48-49页 |
3.4.2 基于改进Hough变换的桥梁识别算法 | 第49-52页 |
3.4.3 目标验证及描述 | 第52-54页 |
3.5 实验结果与分析 | 第54-57页 |
3.6 本章小结 | 第57-58页 |
第四章 遥感图像的道路特征与线基元提取方法 | 第58-79页 |
4.1 引言 | 第58页 |
4.2 道路特征提取 | 第58-61页 |
4.2.1 道路的含义及分类 | 第58-59页 |
4.2.2 道路的基本特征 | 第59-61页 |
4.2.3 道路特征提取 | 第61页 |
4.3 线基元提取方法 | 第61-67页 |
4.3.1 相位编组线基元 | 第61-63页 |
4.3.2 基于RT的线基元提取方法 | 第63-67页 |
4.4 线基元连接 | 第67-71页 |
4.4.1 基于知识的线基元连接方法 | 第67-68页 |
4.4.2 基于改进的Snake模型的曲线连接 | 第68-71页 |
4.5 道路检测后处理 | 第71-72页 |
4.6 基于全局FFT相关匹配目标检测方法 | 第72-78页 |
4.6.1 模板匹配方法 | 第72-73页 |
4.6.2 全局傅立叶变换方法 | 第73-75页 |
4.6.3 油库目标特征模板及傅立叶变换 | 第75-76页 |
4.6.4 仿真实验和分析 | 第76-78页 |
4.7 本章小节 | 第78-79页 |
第五章 基于RADON变换和方向变换的的道路识别方法 | 第79-109页 |
5.1 引言 | 第79页 |
5.2 低分辨下乡村地区主要高速公路识别 | 第79-95页 |
5.2.1 基于RT的道路识别算法 | 第79-87页 |
5.2.2 基于方向统计特征的道路提取算法 | 第87-95页 |
5.3 中高分辨率下城市道路模型及识别 | 第95-99页 |
5.4 复杂自然环境中机场跑道的提取、识别与理解 | 第99-106页 |
5.5 自动道路目标识别专家系统及未来展望 | 第106-107页 |
5.6 本章小结 | 第107-109页 |
第六章 结论 | 第109-112页 |
6.1 论文完成工作与创新点 | 第109-110页 |
6.2 未来研究展望 | 第110-112页 |
参考文献 | 第112-120页 |
攻读博士学位期间发表的文章 | 第120-121页 |
攻读博士学位期间参加的科研工作 | 第121-122页 |
致谢 | 第122页 |