| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-28页 |
| 1.1 研究背景和研究意义 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-24页 |
| 1.3 论文的主要研究工作 | 第24-25页 |
| 1.4 论文的组织和结构 | 第25-28页 |
| 第二章 基于改进的方向分割和道路概率的高分辨率遥感图像道路中心线提取算法 | 第28-40页 |
| 2.1 引言 | 第28页 |
| 2.2 方法介绍 | 第28-35页 |
| 2.2.1 预处理和基于shear变换的方向分割 | 第29-32页 |
| 2.2.2 基于光谱信息和马氏距离的道路概率估计 | 第32页 |
| 2.2.3 信息融合 | 第32-34页 |
| 2.2.4 形状特征过滤和孔洞填充 | 第34-35页 |
| 2.2.5 道路中心线提取和后处理 | 第35页 |
| 2.3 实验与分析 | 第35-38页 |
| 2.3.1 评价指标 | 第35-36页 |
| 2.3.2 本章方法中间结果展示 | 第36页 |
| 2.3.3 实验结果与分析 | 第36-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 基于shear变换和改进的断线连接的高分辨率遥感图像道路中心线提取算法 | 第40-54页 |
| 3.1 引言 | 第40页 |
| 3.2 算法描述 | 第40-46页 |
| 3.2.1 基于shear变换和光谱信息的方向分割 | 第40-42页 |
| 3.2.2 孔洞填充、形状特征过滤和方向形态学滤波 | 第42-43页 |
| 3.2.3 基于张量投票和MARS的道路中心线提取 | 第43-44页 |
| 3.2.4 基于改进的断线连接算法的道路网的生成 | 第44-46页 |
| 3.3 实验与分析 | 第46-51页 |
| 3.4 本章小结 | 第51-54页 |
| 第四章 基于卷积神经网络的高分辨率遥感图像道路提取算法 | 第54-82页 |
| 4.1 引言 | 第54页 |
| 4.2 卷积神经网络 | 第54-55页 |
| 4.3 一种自动的高分辨率遥感影像道路提取方法 | 第55-63页 |
| 4.3.1 引言 | 第55-56页 |
| 4.3.2 基于张量投票的水平集方法及其在道路提取中的应用 | 第56-60页 |
| 4.3.3 实验与分析 | 第60-63页 |
| 4.3.4 总结 | 第63页 |
| 4.4 基于卷积神经网络与边缘保持滤波的多尺度道路中心线提取方法 | 第63-80页 |
| 4.4.1 引言 | 第63-64页 |
| 4.4.2 方法描述 | 第64-70页 |
| 4.4.3 实验与分析 | 第70-73页 |
| 4.4.4 总结 | 第73-80页 |
| 4.5 本章小结 | 第80-82页 |
| 第五章 基于高层特征选择、MRF与岭横向方法的高分辨率遥感图像道路中心线提取算法 | 第82-102页 |
| 5.1 引言 | 第82-83页 |
| 5.2 理论基础介绍 | 第83-85页 |
| 5.3 方法介绍 | 第85-92页 |
| 5.3.1 多特征提取 | 第85-87页 |
| 5.3.2 半监督道路区域提取 | 第87-92页 |
| 5.3.3 道路中心线提取 | 第92页 |
| 5.4 实验与分析 | 第92-95页 |
| 5.5 本章小结 | 第95-102页 |
| 第六章 全文总结与研究展望 | 第102-106页 |
| 6.1 论文工作总结 | 第102-103页 |
| 6.2 未来工作展望 | 第103-106页 |
| 参考文献 | 第106-116页 |
| 致谢 | 第116-118页 |
| 作者简介 | 第118-121页 |
