多源遙感數(shù)據(jù)目標(biāo)地物的分類與優(yōu)化

定　價：￥45.00

作　者：	黃祚繼，王春林，孫金彥，董丹丹著
出版社：	中國科學(xué)技術(shù)大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥39.60)

ISBN：	9787312041877	出版時間：	2017-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	187	字?jǐn)?shù)：

內(nèi)容簡介

　　隨著科學(xué)技術(shù)的不斷發(fā)展，遙感技術(shù)現(xiàn)已廣泛應(yīng)用于軍事、測繪、水利、交通、導(dǎo)航等領(lǐng)域。日新月異的遙感技術(shù)為地理空間數(shù)據(jù)庫提供了便捷、低成本的數(shù)據(jù)，但目標(biāo)地物（包括建筑物、道路、橋梁、河湖和大型構(gòu)筑物）仍是遙感數(shù)據(jù)處理的難題?！抖嘣催b感數(shù)據(jù)目標(biāo)地物的分類與優(yōu)化》共分為6章。第一章簡要說明了研究目的及意義，指出了研究背景，歸納總結(jié)了當(dāng)前目標(biāo)地物提取的研究現(xiàn)狀；第2章對遙感數(shù)據(jù)進(jìn)行簡單介紹，總結(jié)了當(dāng)前不同種類的超高分辨率（小于1m）遙感數(shù)據(jù)的發(fā)展進(jìn)程；第3章介紹多源遙感數(shù)據(jù)在分割前進(jìn)行的一系列預(yù)處理和一些經(jīng)典的遙感數(shù)據(jù)預(yù)處理方法；第4章主要研究建筑物與道路分割，“將建筑物點(diǎn)及道路點(diǎn)從背景中分割出來”是大部分建筑物提取及道路提取方法共同的研究重點(diǎn)；第5章對分割的目標(biāo)地物進(jìn)行進(jìn)一步優(yōu)化，研究了一種具有普適性的快速規(guī)則化處理建筑物并得到二維建筑物信息的方法；第6章對目標(biāo)地物提取進(jìn)行總結(jié)，并作展望。《多源遙感數(shù)據(jù)目標(biāo)地物的分類與優(yōu)化》適合遙感測繪領(lǐng)域科技人員使用，也適合大學(xué)、科研院所遙感測繪人員使用。

作者簡介

暫缺《多源遙感數(shù)據(jù)目標(biāo)地物的分類與優(yōu)化》作者簡介

圖書目錄

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(jī)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(qiáng)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(diǎn)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(diǎn)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(diǎn)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(shí)驗(yàn)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(jī)的道路提取算法
4．3．2 基于時頻特征與遷移支持向量機(jī)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(kuò)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(kuò)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(jì)
5．2．3 確定相鄰點(diǎn)連接弧的權(quán)重
5．2．4 實(shí)驗(yàn)與分析
5．3 實(shí)驗(yàn)與分析
5．3．1 實(shí)驗(yàn)數(shù)據(jù)
5．3．2 簡單結(jié)構(gòu)建筑物輪廓提取實(shí)驗(yàn)
5．3．3 復(fù)雜結(jié)構(gòu)建筑物輪廓提取實(shí)驗(yàn)
5．3．4 復(fù)雜場景建筑物輪廓提取實(shí)驗(yàn)
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)