| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-12页 |
| ·研究的背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·利用遥感图像自动更新GIS矢量数据方法的主要研究内容 | 第9-10页 |
| ·本文内容安排 | 第10-12页 |
| 2 遥感图像预处理及理论知识介绍 | 第12-25页 |
| ·遥感图像预处理 | 第12-20页 |
| ·直方图均衡化 | 第12-14页 |
| ·线性灰度变换 | 第14-16页 |
| ·图像平滑滤波 | 第16-20页 |
| ·数学形态学理论 | 第20-22页 |
| ·二值图像中的形态学算法 | 第20-21页 |
| ·灰度图像中的形态学算法 | 第21-22页 |
| ·图像分割理论 | 第22-25页 |
| ·图像分割的定义 | 第22-23页 |
| ·图像分割的技术分类 | 第23-25页 |
| 3 遥感图像边缘检测算法研究 | 第25-33页 |
| ·经典边缘检测算子综述 | 第25-28页 |
| ·Robert算子 | 第26页 |
| ·Sobel算子 | 第26-27页 |
| ·拉普拉斯高斯算子(LOG) | 第27-28页 |
| ·Canny边缘检测算子分析 | 第28-33页 |
| ·Canny算子边缘检测准则 | 第28页 |
| ·Canny算子边缘检测算法 | 第28-29页 |
| ·Canny算子边缘检测实验及分析 | 第29-31页 |
| ·检测结果后续处理 | 第31-33页 |
| 4 遥感图像K-均值聚类分割算法研究 | 第33-46页 |
| ·K-均值聚类分割算法描述 | 第33-34页 |
| ·本文采用的K-均值聚类分割算法 | 第34-42页 |
| ·聚类数目K值的确定 | 第34页 |
| ·距离函数的确定 | 第34页 |
| ·确定初始聚类中心 | 第34-38页 |
| ·K-均值聚类分割算法实验及结果分析 | 第38-42页 |
| ·聚类结果后续处理 | 第42-46页 |
| 5 分水岭分割算法研究 | 第46-56页 |
| ·分水岭算法描述 | 第46页 |
| ·分水岭算法实验及分析 | 第46-56页 |
| ·对原始图像进行预处理 | 第46-48页 |
| ·计算图像的形态学梯度 | 第48页 |
| ·直接对梯度图像进行分水岭变换 | 第48-50页 |
| ·标记分水岭变换 | 第50-52页 |
| ·对标记符的改进 | 第52-56页 |
| 6 数据更新 | 第56-60页 |
| 7 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·下步研究方向 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |