基于超级像素的居民地自动提取研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 居民地自动提取 | 第12-14页 |
| 1.2.2 半自动居民地提取 | 第14-15页 |
| 1.3 论文的主要内容 | 第15-16页 |
| 1.4 论文的结构安排 | 第16-17页 |
| 2 超级像素算法分析与选取 | 第17-35页 |
| 2.1 超级像素分割算法概述 | 第17-18页 |
| 2.2 几种典型算法的原理与步骤 | 第18-32页 |
| 2.2.1 Mean Shift算法 | 第18-23页 |
| 2.2.2 SLIC算法 | 第23-27页 |
| 2.2.3 SEEDS算法 | 第27-30页 |
| 2.2.4 ETPS算法 | 第30-32页 |
| 2.3 几种典型算法分割结果对比 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 基于邻域最相似的居民地自动提取研究 | 第35-47页 |
| 3.1 基于邻域最相似的区域合并算法 | 第35-37页 |
| 3.1.1 颜色直方图 | 第35页 |
| 3.1.2 邻域相似性定义 | 第35页 |
| 3.1.3 最大相似性合并原则 | 第35-36页 |
| 3.1.4 MSRM的合并流程 | 第36-37页 |
| 3.2 种子选取对MSRM法居民地提取结果的影响 | 第37-43页 |
| 3.2.1 实验平台与方案 | 第37-38页 |
| 3.2.2 实验对比与分析 | 第38-43页 |
| 3.3 根据地名点坐标自动提取居民地 | 第43-46页 |
| 3.3.1 根据地名点坐标的自动生成种子 | 第43-44页 |
| 3.3.2 MSRM算法的改进 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 居民地自动提取实验 | 第47-55页 |
| 4.1 实验平台 | 第47-50页 |
| 4.2 实验数据 | 第50-51页 |
| 4.3 结果与分析 | 第51-54页 |
| 4.3.1 数据1结果分析 | 第51-52页 |
| 4.3.2 数据2结果分析 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 结论和展望 | 第55-57页 |
| 5.1 结论 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-61页 |
