| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10页 |
| ·高分辨率遥感影像道路特征提取国内外研究现状 | 第10-12页 |
| ·本文的研究内容和文章结构 | 第12-13页 |
| ·论文的内容安排 | 第13-15页 |
| 2 高分辨率遥感影像预处理 | 第15-24页 |
| ·高分辨率遥感影像预处理 | 第15-21页 |
| ·影像增强及其常用方法 | 第16-17页 |
| ·遥感影像增强实验分析 | 第17-21页 |
| ·遥感影像分割技术 | 第21-23页 |
| ·图像分割定义 | 第21页 |
| ·图像分割的分类 | 第21-23页 |
| ·小结 | 第23-24页 |
| 3 Markov随机场在遥感影像道路提取中的应用 | 第24-45页 |
| ·Markov随机场模型 | 第24-27页 |
| ·Markov随机场 | 第24-25页 |
| ·Markov随机场和Gibbs分布的等价关系 | 第25-26页 |
| ·MAP-MRF图像分割模型 | 第26-27页 |
| ·Markov随机场的分割算法 | 第27-32页 |
| ·ICM采样算法特点 | 第27-28页 |
| ·Gibbs采样算法特点 | 第28-29页 |
| ·SA算法特点 | 第29-31页 |
| ·改进的SA算法特点 | 第31-32页 |
| ·Markov分割遥感影像及提取道路 | 第32-44页 |
| ·小结 | 第44-45页 |
| 4 K-means聚类算法及其在遥感影像道路提取中的应用 | 第45-60页 |
| ·K-means聚类 | 第45-46页 |
| ·K-means聚类分割算法分析 | 第46-48页 |
| ·K-means聚类分割遥感影像及提取道路 | 第48-59页 |
| ·小结 | 第59-60页 |
| 5 SVM结合FCM混合模型在遥感影像道路提取中的应用 | 第60-87页 |
| ·FCM聚类原理 | 第61-63页 |
| ·支持向量机分类原理 | 第63-69页 |
| ·线性支持向量机模型 | 第63-66页 |
| ·非线性支持向量机 | 第66-67页 |
| ·多类分类和分类参数选择问题 | 第67-69页 |
| ·SVM结合FCM混合模型分割遥感影像及提取道路 | 第69-83页 |
| ·SVM-FCM混合模型 | 第70页 |
| ·SVM-FCM分割遥感影像及提取道路 | 第70-83页 |
| ·实验结果评价 | 第83-85页 |
| ·视觉分析 | 第83-84页 |
| ·定量分析 | 第84-85页 |
| ·小结 | 第85-87页 |
| 6 总结及展望 | 第87-89页 |
| ·本文工作总结 | 第87-88页 |
| ·今后工作展望 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 附录A | 第94页 |