多源遥感数据目标地物的分类与优化

　　随着科学技术的不断发展，遥感技术现已广泛应用于军事、测绘、水利、交通、导航等领域。日新月异的遥感技术为地理空间数据库提供了便捷、低成本的数据，但目标地物（包括建筑物、道路、桥梁、河湖和大型构筑物）仍是遥感数据处理的难题。《多源遥感数据目标地物的分类与优化》共分为6章。第一章简要说明了研究目的及意义，指出了研究背景，归纳总结了当前目标地物提取的研究现状；第2章对遥感数据进行简单介绍，总结了当前不同种类的超高分辨率（小于1m）遥感数据的发展进程；第3章介绍多源遥感数据在分割前进行的一系列预处理和一些经典的遥感数据预处理方法；第4章主要研究建筑物与道路分割，“将建筑物点及道路点从背景中分割出来”是大部分建筑物提取及道路提取方法共同的研究重点；第5章对分割的目标地物进行进一步优化，研究了一种具有普适性的快速规则化处理建筑物并得到二维建筑物信息的方法；第6章对目标地物提取进行总结，并作展望。《多源遥感数据目标地物的分类与优化》适合遥感测绘领域科技人员使用，也适合大学、科研院所遥感测绘人员使用。

暂缺《多源遥感数据目标地物的分类与优化》作者简介

前言
第1章 绪论
1．1 目标地物提取的研究目的及意义
1．2 目标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 目标地物提取的研究现状
1．3．1 建筑物提取研究现状
1．3．2 道路提取的研究现状
1．3．3 桥梁提取研究现状
第2章 遥感数据
2．1 遥感数据的概念
2．2 遥感数据简介
2．2．1 卫星系列简介
2．2．2 航空影像
2．2．3 无人机影像
第3章 遥感数据预处理
3．1 遥感影像预处理
3．1．1 遥感影像校正
3．1．2 遥感影像增强处理
3．1．3 遥感影像融合
3．2 基于Mean Shift算法的遥感影像平滑预处理
3．2．1 Mean Shift向量
3．2．2 Mean Shift算法的基本思想
3．2．3 Mean Shift算法的基本步骤
3．3 基于超像素的影像预分割
3．3．1 超像素分割方法介绍
3．3．2 SLIC超像素分割方法
3．4 点云数据预处理
3．4．1 真正射影像缺失信息的修复
3．4．2 LIDAR点云预处理
3．5 基于渐进形态学滤波和NDVI指数的DTM生成
3．5．1 渐进形态学滤波的基本原理
3．5．2 归一化植被（NDVI）指数
3．5．3 DTM的生成
第4章 基于多源遥感数据的目标地物提取
4．1 基于LIDAR数据和高分辨率遥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 高大植被及墙面点的去除
4．1．4 区域生长获取完整的建筑物斑块
4．1．5 初始轮廓线的生成
4．2 基于高分辨率遥感影像的建筑物提取
4．2．1 图割方法基本原理
4．2．2 能量函数的确定
4．2．3 图的构建
4．2．4 建筑物斑块提取
4．2．5 获取初始建筑物轮廓线
4．2．6 实验与分析
4．3 基于高分辨率遥感影像的道路提取
4．3．1 基于变异函数与支持向量机的道路提取算法
4．3．2 基于时频特征与迁移支持向量机的道路提取算法
第5章 遥感数据中地物边界线优化提取
5．1 基于扩展分割与最小二乘模板匹配的建筑物轮廓规则化
5．1．1 建筑物主方向的获取
5．1．2 基于扩展的轮廓线多类分割
5．1．3 建筑物分类
5．1．4 建筑物轮廓线的精确定位
5．1．5 规则化轮廓线的获取
5．2 基于GCBAC算法的不规则建筑物轮廓优化
5．2．1 基于GCBAC算法优化建筑物轮廓的基本原理
5．2．2 轮廓线优化方法的设计
5．2．3 确定相邻点连接弧的权重
5．2．4 实验与分析
5．3 实验与分析
5．3．1 实验数据
5．3．2 简单结构建筑物轮廓提取实验
5．3．3 复杂结构建筑物轮廓提取实验
5．3．4 复杂场景建筑物轮廓提取实验
5．4 融合初始轮廓线和边缘候选区的建筑物轮廓提取
5．4．1 基于张量投票确定建筑物轮廓候选区
5．4．2 边界融合
5．5 道路形态特征和数学形态学处理
5．5．1 道路的形态特征
5．5．2 数学形态学处理
第6章 本研究的总结与展望
6．1 总结
6．2 展望
参考文献