| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 项目研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 数字城市管理发展现状 | 第12-13页 |
| 1.2.2 遥感图像中建筑物提取研究现状 | 第13-14页 |
| 1.3 项目情况说明 | 第14-15页 |
| 1.4 论文章节安排 | 第15-18页 |
| 第2章 数字化城市管理系统分析与关键技术 | 第18-28页 |
| 2.1 WebGIS定义及特点 | 第18页 |
| 2.2 ArcIMS技术及特点 | 第18-19页 |
| 2.3 ArcXML | 第19页 |
| 2.4 系统平台构建需求分析 | 第19-20页 |
| 2.5 通用软件需求分析 | 第20-21页 |
| 2.6 系统建设原则 | 第21-22页 |
| 2.7 系统数据分析 | 第22-25页 |
| 2.7.1 基础地形数据 | 第22-23页 |
| 2.7.2 遥感影像数据 | 第23-24页 |
| 2.7.3 城市部件数据 | 第24页 |
| 2.7.4 地理编码数据 | 第24-25页 |
| 2.8 系统数据检查方案 | 第25-26页 |
| 2.8.1 矢量数据检查方案 | 第25页 |
| 2.8.2 业务数据检查方案 | 第25-26页 |
| 2.9 小结 | 第26-28页 |
| 第3章 遥感图像处理的基本应用技术 | 第28-34页 |
| 3.1 遥感图像平滑技术 | 第28-29页 |
| 3.1.1 空间域滤波 | 第28页 |
| 3.1.2 频率域滤波 | 第28页 |
| 3.1.3 邻域平均算法 | 第28-29页 |
| 3.1.4 低通和带阻滤波 | 第29页 |
| 3.2 遥感图像边缘检测技术 | 第29页 |
| 3.3 传统边缘检测算子 | 第29-30页 |
| 3.4 Canny边缘检测 | 第30-31页 |
| 3.5 遥感图像分割技术 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于Mean Shift的遥感图像多尺度分割 | 第34-45页 |
| 4.1 Mean Shift简介 | 第34-35页 |
| 4.2 Mean Shift算法 | 第35-37页 |
| 4.2.1 Mean Shift的基本形式 | 第35-36页 |
| 4.2.2 Mean Shift的物理意义 | 第36-37页 |
| 4.3 Mean Shift的应用 | 第37-41页 |
| 4.4 图像的Otsu阈值分割 | 第41-42页 |
| 4.5 Mean Shift和Otsu相结合的图像分割方法 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 多尺度多方向形态学在建筑物提取中的应用 | 第45-59页 |
| 5.1 引言 | 第45页 |
| 5.2 结构元素大小对轮廓提取的影响 | 第45-48页 |
| 5.3 结构元素形状对轮廓提取的影响 | 第48-51页 |
| 5.4 形态学运算的后续处理 | 第51-52页 |
| 5.5 基于建筑物轮廓的城市三维重建 | 第52-57页 |
| 5.5.1 三维重建环境与工具 | 第52-53页 |
| 5.5.2 建筑物三维重建过程 | 第53-57页 |
| 5.6 本章小结 | 第57-59页 |
| 结论与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |