卫星图像中车辆目标提取方法优化与精度评价
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-25页 |
| ·研究背景及意义 | 第11-16页 |
| ·卫星遥感的交通应用研究机构 | 第11-12页 |
| ·卫星遥感的交通应用领域 | 第12-15页 |
| ·本文研究意义 | 第15-16页 |
| ·车辆目标提取研究现状 | 第16-21页 |
| ·国外研究现状 | 第16-20页 |
| ·国内研究现状 | 第20-21页 |
| ·主要研究内容与论文框架 | 第21-23页 |
| ·论文主要研究内容 | 第21页 |
| ·论文框架 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 2 车辆提取流程分析与优化 | 第25-41页 |
| ·车辆提取技术流程及关键环节分析 | 第25-28页 |
| ·车辆目标提取的技术流程 | 第25-26页 |
| ·车辆目标提取关键环节分析 | 第26-28页 |
| ·车辆提取流程优化 | 第28-39页 |
| ·面向分割的图像增强 | 第29-30页 |
| ·面向分类的图像分割 | 第30-35页 |
| ·面向对象的图像分类 | 第35-39页 |
| ·本章小结 | 第39-41页 |
| 3 车辆目标分割尺度的优化 | 第41-51页 |
| ·遥感图像中的尺度概念 | 第41-43页 |
| ·遥感影像对象信息的尺度效应 | 第41-42页 |
| ·遥感影像对象信息的最优尺度 | 第42-43页 |
| ·车辆目标最优分割尺度的确定 | 第43-50页 |
| ·方法一：面积比均值法 | 第43-45页 |
| ·方法二：RMAS法 | 第45-46页 |
| ·两种方法的实验结果对比与分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 4 车辆目标分类方法的优化 | 第51-63页 |
| ·车辆模糊分类方法分析 | 第51-55页 |
| ·最邻近分类 | 第52-53页 |
| ·隶属度函数分类 | 第53-55页 |
| ·基于知识的模糊规则分类 | 第55-61页 |
| ·车辆知识获取 | 第55-57页 |
| ·对象特征描述与计算 | 第57-58页 |
| ·隶属度函数选择 | 第58-59页 |
| ·模糊规则的建立 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 5 实例验证与精度评价 | 第63-79页 |
| ·研究区概况 | 第63-65页 |
| ·精度评价方法 | 第65-67页 |
| ·车辆提取测试结果与分析 | 第67-77页 |
| ·Worldview-2影像车辆提取 | 第67-70页 |
| ·GeoEye-1影像车辆提取 | 第70-73页 |
| ·Google Earth影像车辆提取 | 第73-74页 |
| ·精度分析与结论 | 第74-77页 |
| ·本章小结 | 第77-79页 |
| 6 总结与展望 | 第79-83页 |
| ·论文总结 | 第79-80页 |
| ·展望 | 第80-83页 |
| 参考文献 | 第83-89页 |
| 学位论文数据集 | 第89页 |
