声明
摘要
第1章 绪论
1.1 研究背景与意义
1.1.1 应用背景
1.1.2 理论意义
1.2 国内外研究现状
1.2.1 高分辨率遥感影像分类方法研究现状
1.2.2 基于主题模型的图像分析方法研究现状
1.3 研究内容与技术路线
1.3.1 研究目标
1.3.2 研究内容与总体技术路线
1.4 论文章节安排
第2章 高分辨率遥感影像分类方法
2.1 本章概述
2.2 实验数据与评价指标
2.2.1 实验数据
2.2.2 评价指标
2.3 不同训练样本利用程度的分类方法
2.3.1 非监督分类方法
2.3.2 监督分类方法
2.3.3 半监督分类方法
2.4 不同分析基元的分类方法
2.4.1 像素级分类方法
2.4.2 面向对象分类方法
2.5 本章小结
第3章 主题模型及其在遥感影像分析中的应用
3.1 本章概述
3.2 主题模型
3.2.1 主题模型概述
3.2.2 潜狄利克雷分配模型
3.2.3 基于Gibbs采样的潜狄利克雷分配模型推导
3.3 遥感影像主题模型建模
3.3.1 视觉分析对象与文本分析对象映射关系
3.3.2 遥感影像主题模型建模分析框架
3.4 基于多尺度分割影像集的遥感影像主题模型建模
3.5 本章小结
第4章 主题模型建模框架下的高分辨率遥感影像尺度自适应非监督分类
4.1 本章概述
4.2 基于多尺度影像分割的高分辨率遥感影像尺度自适应非监督分类方法
4.2.1 多尺度潜语义特征提取与表达
4.2.2 基于KL相似测度的面向对象非监督分类
4.2.3 多尺度分类结果尺度自适应融合
4.3 实验分析与讨论
4.3.1 实验设计
4.3.2 实验结果比较与分析
4.3.3 尺度参数敏感性分析
4.4 本章小结
第5章 主题模型建模框架下的高分辨率遥感影像尺度自适应监督分类
5.1 本章概述
5.2 多尺度光谱-空间-语义特征核函数集成的高分辨率遥感影像监督分类方法
5.2.1 影像多尺度多特征表达与提取
5.2.2 光谱-空间-语义Kernel集成的遥感影像尺度自适应分类
5.3 实验分析与讨论
5.3.1 实验设计
5.3.2 实验结果比较与分析
5.3.3 训练样本集敏感性分析
5.4 本章小结
第6章 主题模型建模框架下的高分辨率遥感影像尺度自适应监督分类
6.1 本章概述
6.2 半监督主题模型
6.3 基于主题模型和自学习过程的高分辨率影像尺度自适应半监督分类方法
6.3.1 基于多特征的训练样本自学习拓展
6.3.2 基于多尺度分割影像集的半监督主题模型建模
6.3.3 多尺度面向对象分类及其自适应融合
6.4 实验分析与讨论
6.4.1 实验设计
6.4.2 实验结果比较与分析
6.4.3 非监督聚类个数敏感性分析
6.5 本章小结
结论与展望
致谢
参考文献
攻读硕士学位期间已发表或录用的文章
攻读硕士学位期间参与的科研项目