基于机器学习的遥感影像车辆信息提取研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1.绪论 | 第9-14页 |
| ·课题研究背景 | 第9页 |
| ·国内外研究的现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·论文研究意义及目的 | 第11-12页 |
| ·本论文主要工作和内容安排 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 2.图像处理的相关理论 | 第14-34页 |
| ·数学形态学理论 | 第14-17页 |
| ·基本概念 | 第14页 |
| ·腐蚀与膨胀 | 第14-15页 |
| ·开运算与闭运算 | 第15-16页 |
| ·结构元素的选取 | 第16-17页 |
| ·图像增强 | 第17-23页 |
| ·直方图变换 | 第18-20页 |
| ·灰度变换 | 第20-21页 |
| ·双边滤波 | 第21-23页 |
| ·SURF 特征 | 第23-28页 |
| ·积分图像 | 第24-25页 |
| ·Hessian 矩阵 | 第25-28页 |
| ·机器学习 | 第28-31页 |
| ·经验风险最小化 | 第29-30页 |
| ·结构风险最小化 | 第30-31页 |
| ·SVM 基本原理 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 3.算法原理 | 第34-59页 |
| ·图像预处理 | 第35-39页 |
| ·车辆目标遥感影像特征 | 第35页 |
| ·图像增强 | 第35-37页 |
| ·感兴趣区域提取 | 第37-39页 |
| ·SURF 特征提取 | 第39-46页 |
| ·特征点检测 | 第40-43页 |
| ·特征描述子生成 | 第43-46页 |
| ·SVM 分类器 | 第46-55页 |
| ·SVM 分类机制 | 第46-49页 |
| ·分类器训练 | 第49-51页 |
| ·核函数 | 第51-52页 |
| ·参数确定 | 第52-55页 |
| ·目标提取 | 第55-58页 |
| ·目标搜索 | 第55-56页 |
| ·道路区域掩膜 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 4.算法评估 | 第59-64页 |
| ·算法测试 | 第59页 |
| ·算法评估 | 第59-60页 |
| ·误差分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 5.总结与展望 | 第64-65页 |
| ·总结 | 第64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文及所取得的成果 | 第70-71页 |
| 致谢 | 第71-72页 |
