高分辨率卫星遥感图像云检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景及研究目的与意义 | 第8-9页 |
| 1.2 国内外研究现状与分析 | 第9-14页 |
| 1.2.1 国外研究现状 | 第9-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.2.3 国内外研究综述 | 第13-14页 |
| 1.2.4 课题技术难点分析 | 第14页 |
| 1.3 云检测总体方案设计 | 第14-16页 |
| 1.3.1 云检测技术总体思想 | 第14-15页 |
| 1.3.2 云检测方法总体流程 | 第15-16页 |
| 1.4 主要研究内容及结构安排 | 第16-17页 |
| 第2章 云与地物分类特征提取技术研究 | 第17-33页 |
| 2.1 引言 | 第17-18页 |
| 2.2 云的物理特性与成像特性分析 | 第18-22页 |
| 2.2.1 云的物理特性分析 | 第18-20页 |
| 2.2.2 云的成像特性分析 | 第20-22页 |
| 2.3 云与地物特征提取方法研究 | 第22-32页 |
| 2.3.1 灰度特征参量提取 | 第22-23页 |
| 2.3.2 分形几何特征参量提取 | 第23-24页 |
| 2.3.3 纹理特征参量提取 | 第24-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 特征选择与压缩算法研究 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 基于可分离度阈值的特征选择方法研究 | 第33-36页 |
| 3.2.1 可分离度的概念 | 第33-35页 |
| 3.2.2 可分离度阈值的确定 | 第35-36页 |
| 3.3 特征空间线性压缩算法研究 | 第36-46页 |
| 3.3.1 线性特征压缩的基本思想 | 第36-37页 |
| 3.3.2 传统特征压缩算法 | 第37-41页 |
| 3.3.3 本文特征压缩算法 | 第41-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 云与地物模式分类技术研究 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 改进的模糊 C 均值聚类法 | 第47-50页 |
| 4.3 支持向量机聚类法 | 第50-54页 |
| 4.3.1 支持向量机算法原理 | 第50-53页 |
| 4.3.2 基于 SVM 的分类器训练 | 第53-54页 |
| 4.4 实验与分析 | 第54-58页 |
| 4.4.1 仿真实验结果对比 | 第54-56页 |
| 4.4.2 云检测方法性能指标验证 | 第56-58页 |
| 4.5 云检测软件系统的设计与实现 | 第58-60页 |
| 4.5.1 软件情况概述 | 第58页 |
| 4.5.2 软件功能简介 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的学术论文及科研成果 | 第68-70页 |
| 致谢 | 第70页 |
