遥感影像面状地物半自动提取方法
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-17页 |
| ·研究背景与意义 | 第12-16页 |
| ·研究内容 | 第16-17页 |
| 2 支持向量机理论基础 | 第17-33页 |
| ·机器学习问题 | 第18-22页 |
| ·学习问题的一般模型 | 第18-19页 |
| ·机器学习问题基本类型 | 第19-20页 |
| ·学习问题的一般表示 | 第20-21页 |
| ·经验风险最小化归纳原则 | 第21-22页 |
| ·统计学习理论 | 第22-28页 |
| ·VC 维 | 第23-24页 |
| ·学习过程的一致性 | 第24-25页 |
| ·推广能力研究 | 第25-27页 |
| ·结构风险最小化 | 第27-28页 |
| ·支持向量机（SVM）介绍 | 第28-33页 |
| ·广义最优分类面 | 第28-30页 |
| ·核函数 | 第30-32页 |
| ·支持向量机的构造 | 第32-33页 |
| ·本章小结 | 第33页 |
| 3 不规则面状地物提取的基本方法 | 第33-53页 |
| ·面状地物及其特征 | 第33-35页 |
| ·高空间分辨率遥感影像光谱特征 | 第35-37页 |
| ·中心分布特征 | 第35-36页 |
| ·分散程度特征 | 第36-37页 |
| ·遥感影像几何特征 | 第37-39页 |
| ·几何大小 | 第37-38页 |
| ·坐落位置 | 第38页 |
| ·几何形状 | 第38-39页 |
| ·图像分割算法 | 第39-45页 |
| ·边界提取 | 第40-43页 |
| ·区域提取 | 第43-45页 |
| ·基于光谱和形状特征的区域合并 | 第45-50页 |
| ·算法描述 | 第45-46页 |
| ·区域合并距离 | 第46-47页 |
| ·区域拓扑 | 第47-49页 |
| ·终止区域合并的规则 | 第49-50页 |
| ·人机协同的面状物体半自动提取 | 第50-52页 |
| ·人机交互操作说明 | 第52页 |
| ·本章小结 | 第52-53页 |
| 4 实验结果及分析 | 第53-68页 |
| ·基本类型地物的半自动提取试验 | 第54-64页 |
| ·水体信息的提取 | 第54-56页 |
| ·植被信息的提取 | 第56-58页 |
| ·居民地信息的提取 | 第58-63页 |
| ·实验结果分析和总结 | 第63-64页 |
| ·SVM 初始分割图像实验 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录 | 第74页 |
