高分辨率遥感图像云检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外云检测研究现状 | 第11-16页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.2.3 国内外云检测研究综述 | 第15-16页 |
| 1.3 云检测算法设计方案 | 第16页 |
| 1.4 本论文主要内容 | 第16-18页 |
| 第2章 遥感图像分析与特征提取 | 第18-43页 |
| 2.1 云的物理属性简介 | 第18-19页 |
| 2.2 成像链路分析 | 第19-21页 |
| 2.3 云与地物特征分析与提取方法 | 第21-28页 |
| 2.3.1 灰度特征分析 | 第21-22页 |
| 2.3.2 纹理属性分析 | 第22-27页 |
| 2.3.3 分形几何特性 | 第27-28页 |
| 2.3.4 云与地物特征关系 | 第28页 |
| 2.4 特征属性空间质量提升 | 第28-42页 |
| 2.4.1 特征数据的噪声与离群点 | 第29-31页 |
| 2.4.2 特征属性空间的维度规约 | 第31-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 基于支持矢量机的分类器设计 | 第43-52页 |
| 3.1 支持矢量机算法简介 | 第43-48页 |
| 3.1.1 线性可分SVM | 第43-46页 |
| 3.1.2 软间隔SVM | 第46-47页 |
| 3.1.3 核函数SVM | 第47-48页 |
| 3.2 基于SVM的分类器训练 | 第48-50页 |
| 3.3 样本数量对分类器性能的影响 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 本文云检测算法的实验验证 | 第52-64页 |
| 4.1 当前云检测算法性能评价指标 | 第52-53页 |
| 4.2 遥感图像的实验验证 | 第53-56页 |
| 4.3 遥感图像云仿真的实验验证 | 第56-59页 |
| 4.4 地基图像云仿真的实验验证 | 第59-62页 |
| 4.5 空间尺度对本文云检测算法的影响分析 | 第62-63页 |
| 4.6 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70页 |
