基于高分二号遥感影像面向对象的城市房屋信息提取方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 本文研究内容和研究方法 | 第13-16页 |
| 1.3.1 研究目标和主要研究问题 | 第13-14页 |
| 1.3.2 技术流程和论文组织结构 | 第14-16页 |
| 第2章 高分遥感数据的选取和预处理 | 第16-26页 |
| 2.1 常见的高分遥感数据介绍 | 第16-19页 |
| 2.1.1 QuickBird | 第16-17页 |
| 2.1.2 IKONOS | 第17页 |
| 2.1.3 WorldView | 第17-18页 |
| 2.1.4 高分二号 | 第18-19页 |
| 2.2 数据选取 | 第19-21页 |
| 2.3 数据预处理 | 第21-24页 |
| 2.3.1 多光谱辐射定标和大气校正 | 第21-23页 |
| 2.3.2 多光谱图像和全色图像融合 | 第23-24页 |
| 2.3.3 融合后图像的去噪和增强 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 图像分割技术研究 | 第26-38页 |
| 3.1 常见的分割算法的介绍 | 第26-29页 |
| 3.1.1 基于阈值的分割算法 | 第26-27页 |
| 3.1.2 基于区域的分割算法 | 第27-28页 |
| 3.1.3 基于边缘检测的分割算法 | 第28页 |
| 3.1.4 其他常见的图像分割算法 | 第28-29页 |
| 3.2 多尺度分割 | 第29-34页 |
| 3.2.1 异质性准则 | 第30-31页 |
| 3.2.2 分割尺度 | 第31-32页 |
| 3.2.3 各波段权重 | 第32页 |
| 3.2.4 对象区域合并 | 第32-34页 |
| 3.3 实验结果及分析 | 第34-37页 |
| 3.3.1 阈值分割实验 | 第34页 |
| 3.3.2 多尺度分割实验 | 第34-36页 |
| 3.3.3 阈值分割和多尺度分割效果对比 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于特征自动选择的面向对象的房屋信息提取 | 第38-56页 |
| 4.1 常见的房屋提取特征 | 第39-42页 |
| 4.1.1 光谱特征 | 第39-40页 |
| 4.1.2 形状特征 | 第40页 |
| 4.1.3 纹理特征 | 第40-42页 |
| 4.1.4 自定义特征 | 第42页 |
| 4.2 CART决策树 | 第42-46页 |
| 4.2.1 GINI系数 | 第43-44页 |
| 4.2.2 变量值离散化 | 第44页 |
| 4.2.3 决策树剪枝 | 第44-45页 |
| 4.2.4 最佳决策树 | 第45-46页 |
| 4.3 基于规则的模糊函数分类 | 第46页 |
| 4.4 基于特征和规则自动化的房屋提取 | 第46-51页 |
| 4.4.1 创建训练集 | 第47页 |
| 4.4.2 建立CART决策树和特征选择 | 第47-49页 |
| 4.4.4 房屋初步提取 | 第49-51页 |
| 4.5 提取结果优化 | 第51-53页 |
| 4.5.1 去除细碎斑点 | 第51-52页 |
| 4.5.2 房屋轮廓平滑 | 第52-53页 |
| 4.6 提取结果分析评价 | 第53-55页 |
| 4.6.1 精度评价参数 | 第53-54页 |
| 4.6.2 精度评价实验 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-57页 |
| 5.1 本文工作总结 | 第56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59页 |
