| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 图像配准研究进展 | 第15-17页 |
| 1.2.2 变化检测算法研究进展 | 第17-18页 |
| 1.2.3 存在的问题 | 第18页 |
| 1.3 本章主要研究工作 | 第18-20页 |
| 第二章 SAR水域图像与光学基准图的快速粗匹配 | 第20-34页 |
| 2.1 光学图像与SAR图像差异 | 第20-24页 |
| 2.1.1 SAR成像原理 | 第20页 |
| 2.1.2 SAR图像基本特征 | 第20-23页 |
| 2.1.3 光学图像与SAR图像的图像差异 | 第23-24页 |
| 2.2 传统同源图像匹配方法 | 第24-26页 |
| 2.2.1 MAD模板匹配算法 | 第24-25页 |
| 2.2.2 NCC模板匹配算法 | 第25页 |
| 2.2.3 序列相似性检测(SSDA)算法 | 第25-26页 |
| 2.3 基于水域连通区域的快速匹配方法 | 第26-33页 |
| 2.3.1 基于形态学处理的水域连通区域提取 | 第26-28页 |
| 2.3.2 基于最小凸多边形和最小边界矩形的相似性度量定义 | 第28-29页 |
| 2.3.3 实验结果与分析 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 结合二次OTSU和SIFT的光学/SAR水域图像精配准 | 第34-53页 |
| 3.1 图像配准基本原理 | 第34-37页 |
| 3.1.1 图像配准定义 | 第34页 |
| 3.1.2 图像配准模型 | 第34-37页 |
| 3.2 基于SIFT的图像配准算法 | 第37-40页 |
| 3.2.1 建立尺度空间 | 第37-38页 |
| 3.2.2 关键点检测 | 第38-39页 |
| 3.2.3 确定主方向 | 第39页 |
| 3.2.4 特征描述子 | 第39-40页 |
| 3.3 基于二次Otsu分割的水域共性特征提取 | 第40-42页 |
| 3.3.1 小波变换预处理 | 第40-41页 |
| 3.3.2 二次Otsu分割 | 第41-42页 |
| 3.4 改进空间一致性准则剔除误匹配点 | 第42-45页 |
| 3.5 算法流程图及实验结果分析 | 第45-52页 |
| 3.5.1 算法流程图 | 第45页 |
| 3.5.2 配准精度衡量准则 | 第45-46页 |
| 3.5.3 实验结果分析 | 第46-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 面向水域的变化检测方法 | 第53-75页 |
| 4.1 水域分类提取算法实现流程图 | 第53页 |
| 4.2 基于SLIC优化算法和区域合并的影像分割 | 第53-58页 |
| 4.2.1 SLIC算法原理 | 第54页 |
| 4.2.2 SLIC算法优化 | 第54-55页 |
| 4.2.3 结合光谱、纹理与形状结构信息的区域合并方法 | 第55-57页 |
| 4.2.4 实验结果及分析 | 第57-58页 |
| 4.3 基于支持向量机水域提取 | 第58-60页 |
| 4.3.1 典型水域训练样本的选取 | 第58-59页 |
| 4.3.2 训练分类器提取水域 | 第59-60页 |
| 4.4 基于超像素的水域分类提取结果及分析 | 第60-66页 |
| 4.4.1 本章实验数据集介绍 | 第60-61页 |
| 4.4.2 基于超像素的水域分类提取结果及分析 | 第61-62页 |
| 4.4.3 最优分割尺度选择 | 第62-66页 |
| 4.5 光学/SAR水域变化检测 | 第66-70页 |
| 4.5.1 基于对数比值法和fcm聚类的差异图获取及分析 | 第67-68页 |
| 4.5.2 多尺度决策融合 | 第68-70页 |
| 4.5.3 定量评估方法 | 第70页 |
| 4.6 变化检测实验结果及分析 | 第70-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第五章 全文总结与展望 | 第75-77页 |
| 5.1 论文工作总结 | 第75-76页 |
| 5.2 课题研究展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 在学期间的研究成果及发表的学术论文 | 第84页 |
