多源遙感數據目標地物的分類與最佳化

內容簡介

隨著科學技術的不斷發展，遙感技術現已廣泛套用于軍事、測繪、水利、交通、導航等領域。日新月異的遙感技術為地理空間資料庫提供了便捷、低成本的數據，但目標地物（包括建築物、道路、橋樑、河湖和大型構築物）仍是遙感數據處理的難題。《多源遙感數據目標地物的分類與最佳化》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，歸納總結了當前目標地物提取的研究現狀；第2章對遙感數據進行簡單介紹，總結了當前不同種類的超高解析度（小於1m）遙感數據的發展進程；第3章介紹多源遙感數據在分割前進行的一系列預處理和一些經典的遙感數據預處理方法；第4章主要研究建築物與道路分割，“將建築物點及道路點從背景中分割出來”是大部分建築物提取及道路提取方法共同的研究重點；第5章對分割的目標地物進行進一步最佳化，研究了一種具有普適性的快速規則化處理建築物並得到二維建築物信息的方法；第6章對目標地物提取進行總結，並作展望。

《多源遙感數據目標地物的分類與最佳化》適合遙感測繪領域科技人員使用，也適合大學、科研院所遙感測繪人員使用。

圖書目錄

前言

第1章緒論

1．1 目標地物提取的研究目的及意義

1．2 目標地物提取的研究背景

1．2．1 建築物提取研究背景

1．2．2 道路提取研究背景

1．3 目標地物提取的研究現狀

1．3．1 建築物提取研究現狀

1．3．2 道路提取的研究現狀

1．3．3 橋樑提取研究現狀

第2章遙感數據

2．1 遙感數據的概念

2．2 遙感數據簡介

2．2．1 衛星系列簡介

2．2．2 航空影像

2．2．3 無人機影像

第3章遙感數據預處理

3．1 遙感影像預處理

3．1．1 遙感影像校正

3．1．2 遙感影像增強處理

3．1．3 遙感影像融合

3．2 基於Mean Shift算法的遙感影像平滑預處理

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 基於超像素的影像預分割

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 點雲數據預處理

3．4．1 真正射影像缺失信息的修復

3．4．2 LIDAR點雲預處理

3．5 基於漸進形態學濾波和NDVI指數的DTM生成

3．5．1 漸進形態學濾波的基本原理

3．5．2 歸一化植被（NDVI）指數

3．5．3 DTM的生成

第4章基於多源遙感數據的目標地物提取

4．1 基於LIDAR數據和高解析度遙感影像的建築物提取

多源遙感數據目標地物的分類與最佳化

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條