| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 遥感图像目标识别发展现状 | 第14页 |
| 1.2.2 桥梁目标识别技术发展现状 | 第14-17页 |
| 1.3 本文的研究内容 | 第17-19页 |
| 第二章 水上桥梁识别方法的分析 | 第19-30页 |
| 2.1 传统桥梁识别算法介绍 | 第19-26页 |
| 2.1.1 河流分割方法 | 第19-24页 |
| 2.1.2 桥梁定位方法 | 第24-26页 |
| 2.2 本文水上桥梁识别算法 | 第26-29页 |
| 2.2.1 复杂场景下水上桥梁图像的特点 | 第26-28页 |
| 2.2.2 本文的方法 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 复杂场景下的河流分割 | 第30-42页 |
| 3.1 基于K均值聚类的河流分割 | 第30-33页 |
| 3.1.1 K均值聚类的基本原理 | 第30-31页 |
| 3.1.2 桥梁图像无监督分类 | 第31-32页 |
| 3.1.3 K均值聚类在图像分割中的问题 | 第32-33页 |
| 3.2 基于Harris角点特征的河流判断 | 第33-39页 |
| 3.2.1 Harris角点的基本原理 | 第33-34页 |
| 3.2.2 水上桥梁图像中角点的特点 | 第34-35页 |
| 3.2.3 抑制纹理角点 | 第35-37页 |
| 3.2.4 K均值聚类与角点特征相结合的河流自动分割 | 第37-39页 |
| 3.3 对噪声的影响分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 水面颜色无明显规律的河流分割 | 第42-58页 |
| 4.1 自监督分类的介绍 | 第43-44页 |
| 4.2 图像河流的特征提取 | 第44-49页 |
| 4.2.1 河流颜色特征的提取 | 第44-46页 |
| 4.2.2 河流纹理特征的提取 | 第46-49页 |
| 4.3 基于SVM的河流分割 | 第49-57页 |
| 4.3.1 支持向量机的原理和特点 | 第50-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 桥梁定位 | 第58-66页 |
| 5.1 河流轮廓的提取 | 第58-61页 |
| 5.1.1 形态学操作 | 第58-59页 |
| 5.1.2 剔除干扰区域 | 第59-61页 |
| 5.2 水上桥梁的定位 | 第61-65页 |
| 5.2.1 提取疑似桥梁 | 第61-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 识别系统及实验结果 | 第66-73页 |
| 6.1 识别系统总体设计 | 第66-67页 |
| 6.1.1 系统框架 | 第66页 |
| 6.1.2 开发环境 | 第66-67页 |
| 6.2 实验结果与分析 | 第67-72页 |
| 6.2.1 实验设计 | 第67页 |
| 6.2.2 部分实验效果及分析 | 第67-72页 |
| 6.3 小结 | 第72-73页 |
| 第七章 总结与展望 | 第73-75页 |
| 7.1 总结 | 第73-74页 |
| 7.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 在学期间的研究成果及发表的学术论文 | 第80页 |