基于高分影像的盐田信息提取方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究进展及存在问题 | 第11-15页 |
| 1.2.1 盐田信息分类 | 第11-12页 |
| 1.2.2 影像分类 | 第12-15页 |
| 1.3 存在问题 | 第15-16页 |
| 1.4 研究内容与方法 | 第16-18页 |
| 2 影像预处理基础理论 | 第18-23页 |
| 2.1 Canny算子 | 第18页 |
| 2.2 相位一致 | 第18-23页 |
| 3 影像分类基础理论 | 第23-36页 |
| 3.1 分水岭变换 | 第23-24页 |
| 3.2 影像特征 | 第24-29页 |
| 3.3 分类器 | 第29-34页 |
| 3.3.1 KNN算法理论 | 第29-31页 |
| 3.3.2 随机森林分类器 | 第31-34页 |
| 3.4 精度评价 | 第34-36页 |
| 4 影像预处理 | 第36-47页 |
| 4.1 研究区概况 | 第36-37页 |
| 4.2 影像预处理 | 第37-47页 |
| 4.2.1 灰度变换 | 第37-40页 |
| 4.2.2 梯度提取 | 第40-47页 |
| 5 影像分类实验 | 第47-61页 |
| 5.1 分水岭分割 | 第47-50页 |
| 5.2 地物信息样本提取与分析 | 第50-55页 |
| 5.3 地物分类 | 第55-61页 |
| 5.3.1 KNN分类 | 第55-57页 |
| 5.3.2 随机森林分类 | 第57-59页 |
| 5.3.3 结论 | 第59-61页 |
| 6 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
