| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-16页 |
| 第二章 目标识别流程和预处理 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 对目标和图像特征的研究 | 第16-18页 |
| 2.2.1 大幅面高分辨率遥感图像特征研究 | 第16-17页 |
| 2.2.2 目标的特征研究 | 第17-18页 |
| 2.3 目标的先验知识 | 第18页 |
| 2.4 目标识别整体流程 | 第18-19页 |
| 2.5 图像的预处理 | 第19-25页 |
| 2.5.1 Lab色彩模式转换 | 第19-21页 |
| 2.5.2 图像的滤波处理 | 第21-25页 |
| 2.6 图像的切割与筛选 | 第25-30页 |
| 2.6.1 瓦片式切割 | 第26页 |
| 2.6.2 改进的图像峰谷形态检测算法 | 第26-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第三章 结合轮廓检测和像素聚类的分割算法 | 第32-61页 |
| 3.1 引言 | 第32页 |
| 3.2 基于聚类的分割方法 | 第32-43页 |
| 3.2.1 基于GMM模型的直方图阈值分割 | 第32-37页 |
| 3.2.2 基于局部Walsh变换的像素聚类分割 | 第37-43页 |
| 3.3 图像轮廓检测算法 | 第43-58页 |
| 3.3.1 经典的边缘检测算法 | 第44-45页 |
| 3.3.2 Canny检测算法 | 第45-46页 |
| 3.3.3 基于边缘概率的轮廓检测算法 | 第46-49页 |
| 3.3.4 一种改善角点检测性能的轮廓检测算法 | 第49-53页 |
| 3.3.5 改进的轮廓强度表征算法 | 第53-56页 |
| 3.3.6 加权直方图 | 第56-58页 |
| 3.4 聚类分割与边缘检测的结合 | 第58-59页 |
| 3.5 本章小结 | 第59-61页 |
| 第四章 基于直线基元提取的目标检测 | 第61-69页 |
| 4.1 引言 | 第61页 |
| 4.2 基于局部连通域数量的ROI分割 | 第61-63页 |
| 4.3 基于河岸线轮廓计数的目标识别 | 第63-64页 |
| 4.4 基于累计概率霍夫变换的线基元提取及特征提取 | 第64-66页 |
| 4.5 结果分析 | 第66-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第五章 毁伤分析 | 第69-76页 |
| 5.1 引言 | 第69页 |
| 5.2 图像配准 | 第69-70页 |
| 5.3 毁伤区域分割 | 第70页 |
| 5.4 毁伤评估算法 | 第70-73页 |
| 5.5 实验结果及分析 | 第73-75页 |
| 5.6 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间取得的成果 | 第83-84页 |