基于形状规则指数的遥感影像建筑物提取研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 特征 | 第12-14页 |
| 1.2.2 分割 | 第14页 |
| 1.2.3 分类 | 第14-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 第二章 基于纹理特征的像素级建筑物提取 | 第17-24页 |
| 2.1 纹理特征的定义 | 第17-18页 |
| 2.2 基于纹理特征的提取方法 | 第18-21页 |
| 2.2.1 灰度共生矩阵 | 第18-20页 |
| 2.2.2 形态学建筑物指数 | 第20-21页 |
| 2.3 实验 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 影像分割算法的选取 | 第24-48页 |
| 3.1 需要初始信息的分割方法 | 第24-26页 |
| 3.1.1 分水岭分割 | 第24-25页 |
| 3.1.2 活动轮廓模型 | 第25-26页 |
| 3.2 聚类分割 | 第26-29页 |
| 3.3 改进的马尔可夫随机场分割 | 第29-44页 |
| 3.3.1 马尔可夫随机场模型 | 第29-34页 |
| 3.3.2 高斯混合模型和EM算法 | 第34-36页 |
| 3.3.3 高斯马尔可夫模型分割算法 | 第36-39页 |
| 3.3.4 一种强抗噪的马尔可夫随机场分割算法 | 第39-41页 |
| 3.3.5 噪声遥感影像实验 | 第41-44页 |
| 3.4 FENA分割 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 面向对象的建筑物提取 | 第48-72页 |
| 4.1 常见的形状特征 | 第48-51页 |
| 4.2 目标对象规则度分析 | 第51-54页 |
| 4.2.1 连续图形 | 第51-54页 |
| 4.2.2 离散图形 | 第54页 |
| 4.3 形状规则指数 | 第54-58页 |
| 4.4 支持向量机 | 第58-65页 |
| 4.4.1 间隔最大化 | 第60-62页 |
| 4.4.2 软间隔最大化 | 第62-63页 |
| 4.4.3 非线性支持向量机 | 第63-64页 |
| 4.4.4 多分类支持向量机 | 第64-65页 |
| 4.5 实验 | 第65-70页 |
| 4.5.1 实验一 | 第65-68页 |
| 4.5.2 实验二 | 第68-70页 |
| 4.6 本章小结 | 第70-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77页 |
