声明
1绪论
1.1研究背景和意义
1.2国内外研究现状
1.2.1基于像素的遥感影像分类方法
1.2.2面向对象的遥感影像分类方法
1.2.3基于随机场的遥感影像分类方法
1.3论文背景与研究意义
1.4本文章节安排
2条件随机场概论及其在图像分类中的应用
2.1引言
2.2概率有向图模型
2.2.1有向图模型介绍
2.2.2隐马尔可夫场
2.2.3最大熵马尔可夫模型
2.3概率无向图模型
2.4条件随机场模型
2.4.1条件随机场模型的定义
2.4.2条件随机场模型的学习算法
2.4.3条件随机场模型的推断算法
2.5条件随机场模型在图像分类中的概率框架
2.6小结
3多时相CRF模型及其在遥感影像分类中的应用
3.1引言
3.2多时相CRF模型
3.3基于多时相CRF模型的遥感影像分类方法
3.3.1一阶势能
3.3.2空间势能
3.3.3时间势能
3.4训练与推断
3.4.1特征提取方法
3.4.2多时相CRF模型的训练方法
3.4.3多时相CRF模型的推断方法
3.5实验结果与分析
3.5.1实验评价标准
3.5.2实验数据和实验环境
3.5.3实验3.1:农村区域的图像
3.5.4实验3.2:校园区域的图像
3.5.5参数敏感性分析
3.6小结
4多时相高阶CRF模型及其在遥感影像分类中的应用
4.1引言
4.2超像素算法
4.3多时相高阶CRF模型
4.4训练与推断
4.4.2多时相高阶CRF模型的推断方法
4.5实验结果与分析
4.5.1实验数据和实验环境
4.5.2实验4.1:农村地区的图像
4.5.3实验4.2:城郊区域的图像
4.5.4参数敏感性分析
4.6小结
5结束语
5.1本文工作总结
5.2未来工作展望
致谢
参考文献
附录
南京理工大学;