首页> 中文学位 >基于浮动车轨迹学习的高分影像城市道路网提取方法研究
【6h】

基于浮动车轨迹学习的高分影像城市道路网提取方法研究

代理获取

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究目标和内容

1.4 论文组织结构

第二章 城市道路提取相关技术

2.1道路提取整体技术框架

2.2 道路提取中的数学形态学

2.3 影像分割中的卷积神经网络

2.4 本章小结

第三章 基于数学形态学的浮动车轨迹道路提取

3.1 浮动车轨迹道路提取技术框架

3.2 浮动车轨迹栅格化

3.3 轨迹栅格图像的数学形态学处理

3.4 轨迹图像的矢量化

3.5 实验结果与分析

3.6 本章小结

第四章 浮动车轨迹辅助下样本集的建立

4.1 样本集制作技术框架

4.2数据选取

4.3 基于浮动车轨迹标注道路样本

4.4 本章小结

第五章 基于卷积神经网络的遥感影像道路提取

5.1遥感影像道路提取技术框架

5.2道路提取网络模型构建

5.3 训练参数设置

5.4 实验结果与评价

5.5 本章小结

第六章 总结与展望

6.1 论文总结

6.2 研究不足与展望

参考文献

攻读硕士学位期间参加的科研项目和发表的论文

参加的科研项目

发表的论文

致谢

展开▼

著录项

  • 作者

    张菊;

  • 作者单位

    武汉大学;

  • 授予单位 武汉大学;
  • 学科 地图学与地理信息系统
  • 授予学位 硕士
  • 导师姓名 胡庆武;
  • 年度 2019
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类
  • 关键词

    浮动车; 轨迹; 学习; 影像; 城市; 道路网提取;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号