基于超像素的遥感图像分类技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 有监督和无监督的分类方法 | 第11-12页 |
| 1.2.2 基于像素和面向对象的分类方法 | 第12-14页 |
| 1.3 遥感图像分类算法的问题与难点 | 第14-15页 |
| 1.4 本文内容及组织结构 | 第15-18页 |
| 第2章 遥感图像分类的相关技术 | 第18-28页 |
| 2.1 遥感图像地物目标类别与特点分析 | 第18-19页 |
| 2.1.1 遥感图像地物目标类别 | 第18页 |
| 2.1.2 各地物的特点分析 | 第18-19页 |
| 2.2 本文涉及技术的介绍 | 第19-26页 |
| 2.2.1 遥感图像预处理 | 第19-20页 |
| 2.2.2 超像素分割技术 | 第20-22页 |
| 2.2.3 颜色特征介绍 | 第22-24页 |
| 2.2.4 纹理特征介绍 | 第24-25页 |
| 2.2.5 特征降维处理 | 第25-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 结合改进纹理信息的SLIC分割算法 | 第28-44页 |
| 3.1 改进的纹理信息 | 第28-30页 |
| 3.2 结合改进纹理信息的SLIC分割算法 | 第30-34页 |
| 3.2.1 算法基本思想 | 第30页 |
| 3.2.2 算法框架 | 第30-31页 |
| 3.2.3 算法实现过程 | 第31-34页 |
| 3.3 实验与分析 | 第34-42页 |
| 3.3.1 实验数据及内容 | 第34页 |
| 3.3.2 结果分析 | 第34-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 融合多种特征的遥感图像分类算法 | 第44-60页 |
| 4.1 基于超像素的遥感图像分类框架 | 第44-45页 |
| 4.2 半自动标记程序 | 第45-46页 |
| 4.3 颜色特征提取 | 第46-47页 |
| 4.4 改进的超像素的Gabor特征提取 | 第47-50页 |
| 4.5 支持向量机 | 第50-52页 |
| 4.6 实验与分析 | 第52-58页 |
| 4.6.1 实验数据 | 第52页 |
| 4.6.2 分类精度评价参数 | 第52-53页 |
| 4.6.3 结果分析 | 第53-58页 |
| 4.7 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |
