多源遙感數(shù)據(jù)目標(biāo)地物的分類與優(yōu)化

前言
第1章 緒論
1．1 目標(biāo)地物提取的研究目的及意義
1．2 目標(biāo)地物提取的研究背景
1．2．1 建筑物提取研究背景
1．2．2 道路提取研究背景
1．3 目標(biāo)地物提取的研究現(xiàn)狀
1．3．1 建筑物提取研究現(xiàn)狀
1．3．2 道路提取的研究現(xiàn)狀
1．3．3 橋梁提取研究現(xiàn)狀
第2章 遙感數(shù)據(jù)
2．1 遙感數(shù)據(jù)的概念
2．2 遙感數(shù)據(jù)簡介
2．2．1 衛(wèi)星系列簡介
2．2．2 航空影像
2．2．3 無人機影像
第3章 遙感數(shù)據(jù)預(yù)處理
3．1 遙感影像預(yù)處理
3．1．1 遙感影像校正
3．1．2 遙感影像增強處理
3．1．3 遙感影像融合
3．2 基于Mean Shift算法的遙感影像平滑預(yù)處理
3．2．1 Mean Shift向量
3．2．2 Mean Shift算法的基本思想
3．2．3 Mean Shift算法的基本步驟
3．3 基于超像素的影像預(yù)分割
3．3．1 超像素分割方法介紹
3．3．2 SLIC超像素分割方法
3．4 點云數(shù)據(jù)預(yù)處理
3．4．1 真正射影像缺失信息的修復(fù)
3．4．2 LIDAR點云預(yù)處理
3．5 基于漸進(jìn)形態(tài)學(xué)濾波和NDVI指數(shù)的DTM生成
3．5．1 漸進(jìn)形態(tài)學(xué)濾波的基本原理
3．5．2 歸一化植被（NDVI）指數(shù)
3．5．3 DTM的生成
第4章 基于多源遙感數(shù)據(jù)的目標(biāo)地物提取
4．1 基于LIDAR數(shù)據(jù)和高分辨率遙感影像的建筑物提取
4．1．1 nDSM的生成
4．1．2 低矮地物的去除
4．1．3 高大植被及墻面點的去除
4．1．4 區(qū)域生長獲取完整的建筑物斑塊
4．1．5 初始輪廓線的生成
4．2 基于高分辨率遙感影像的建筑物提取
4．2．1 圖割方法基本原理
4．2．2 能量函數(shù)的確定
4．2．3 圖的構(gòu)建
4．2．4 建筑物斑塊提取
4．2．5 獲取初始建筑物輪廓線
4．2．6 實驗與分析
4．3 基于高分辨率遙感影像的道路提取
4．3．1 基于變異函數(shù)與支持向量機的道路提取算法
4．3．2 基于時頻特征與遷移支持向量機的道路提取算法
第5章 遙感數(shù)據(jù)中地物邊界線優(yōu)化提取
5．1 基于擴展分割與最小二乘模板匹配的建筑物輪廓規(guī)則化
5．1．1 建筑物主方向的獲取
5．1．2 基于擴展的輪廓線多類分割
5．1．3 建筑物分類
5．1．4 建筑物輪廓線的精確定位
5．1．5 規(guī)則化輪廓線的獲取
5．2 基于GCBAC算法的不規(guī)則建筑物輪廓優(yōu)化
5．2．1 基于GCBAC算法優(yōu)化建筑物輪廓的基本原理
5．2．2 輪廓線優(yōu)化方法的設(shè)計
5．2．3 確定相鄰點連接弧的權(quán)重
5．2．4 實驗與分析
5．3 實驗與分析
5．3．1 實驗數(shù)據(jù)
5．3．2 簡單結(jié)構(gòu)建筑物輪廓提取實驗
5．3．3 復(fù)雜結(jié)構(gòu)建筑物輪廓提取實驗
5．3．4 復(fù)雜場景建筑物輪廓提取實驗
5．4 融合初始輪廓線和邊緣候選區(qū)的建筑物輪廓提取
5．4．1 基于張量投票確定建筑物輪廓候選區(qū)
5．4．2 邊界融合
5．5 道路形態(tài)特征和數(shù)學(xué)形態(tài)學(xué)處理
5．5．1 道路的形態(tài)特征
5．5．2 數(shù)學(xué)形態(tài)學(xué)處理
第6章 本研究的總結(jié)與展望
6．1 總結(jié)
6．2 展望
參考文獻(xiàn)