| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究意义与背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 影像分割 | 第12-13页 |
| 1.2.2 面向对象分类提取 | 第13-14页 |
| 1.2.3 建筑物提取 | 第14页 |
| 1.2.4 总结分析 | 第14-15页 |
| 1.3 研究目标、内容、方法 | 第15-16页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.3.3 研究方法 | 第16页 |
| 1.4 技术路线和组织结构 | 第16-19页 |
| 第2章 遥感影像分类相关理论与技术 | 第19-38页 |
| 2.1 遥感影像数据预处理 | 第19-21页 |
| 2.1.1 几何校正 | 第20页 |
| 2.1.2 影像裁剪与拼接 | 第20-21页 |
| 2.1.3 遥感影像增强 | 第21页 |
| 2.2 遥感影像分割方法 | 第21-25页 |
| 2.2.1 影像分割原理 | 第21-22页 |
| 2.2.2 多尺度分割算法 | 第22-25页 |
| 2.2.3 最优分割尺度选择 | 第25页 |
| 2.3 影像特征 | 第25-32页 |
| 2.3.1 光谱特征 | 第26-27页 |
| 2.3.2 几何特征 | 第27-28页 |
| 2.3.3 纹理特征 | 第28-30页 |
| 2.3.4 特征组合和特征选择 | 第30-32页 |
| 2.3.5 特征阈值的自动确定 | 第32页 |
| 2.4 面向对象分类 | 第32-37页 |
| 2.4.1 面向对象分类技术原理 | 第32-33页 |
| 2.4.2 面向对象分类技术方法 | 第33-35页 |
| 2.4.3 分类结果精度评价 | 第35-36页 |
| 2.4.4 面向对象精度评价 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 基于CART决策树的遥感影像建筑物提取方法 | 第38-46页 |
| 3.1 建筑物特征 | 第38-39页 |
| 3.2 决策树基本原理 | 第39-41页 |
| 3.2.1 决策树概述 | 第39-40页 |
| 3.2.2 决策树基本思想 | 第40-41页 |
| 3.3 决策树分类方法 | 第41-42页 |
| 3.4 CART决策树算法 | 第42-45页 |
| 3.4.1 CART决策树的基本原理 | 第42-43页 |
| 3.4.2 CART决策树算法基础理论 | 第43页 |
| 3.4.3 CART决策树的基本流程 | 第43-44页 |
| 3.4.4 CART决策树优化 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 实验与结果分析 | 第46-67页 |
| 4.1 实验数据及数据预处理 | 第46-48页 |
| 4.2 高分辨率影像多尺度分割 | 第48-50页 |
| 4.2.1 最佳尺度分割 | 第48-50页 |
| 4.3 影像对象样本选择及特征组合 | 第50-54页 |
| 4.3.1 实验数据的样本选择 | 第50-51页 |
| 4.3.2 面向对象特征量化 | 第51-52页 |
| 4.3.3 面向对象特征组合与优选 | 第52-54页 |
| 4.4 面向对象分类提取算法实验 | 第54-59页 |
| 4.4.1 CART决策树分类提取 | 第54-56页 |
| 4.4.2 分类提取结果展示 | 第56页 |
| 4.4.3 分类提取精度评价 | 第56-59页 |
| 4.4.4 分类提取结果比较 | 第59页 |
| 4.5 CART决策树建筑物提取 | 第59-67页 |
| 4.5.1 数据处理与影像分割 | 第60页 |
| 4.5.2 样本选择与特征组合 | 第60-61页 |
| 4.5.3 CART决策树加权优化 | 第61-62页 |
| 4.5.4 建筑物提取结果 | 第62-64页 |
| 4.5.5 建筑物提取结果分析 | 第64-67页 |
| 第5章 结论与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第73-74页 |
| 致谢 | 第74页 |