一、一种改进的面向对象分析方法（论文文献综述）
胡金梅[1]（2020）在《面向对象的高分辨率遥感影像分类算法研究》文中认为随着近年来遥感技术的不断进步,遥感影像的分辨率也随之提高。高分辨率遥感影像在各行业中得到广泛应用,成为当前遥感影像研究的热门课题。其中遥感影像的分类可以有效提取地物的类别信息,是遥感影像处理与解译的关键环节,进而引起大量学者的关注。然而分辨率的提高不仅丰富了影像中的地物信息,同时也增加了影像处理的数据量,致使基于像素的分类方法难以完全适用。面向对象的分类方法以同质像素集合为基础进行实施,在一定程度上解决数据量大的问题,同时其可有效提取像元中的纹理以及空间特征,充分利用丰富的地物信息,逐渐成为当前主流的遥感影像分类方法,其在土地利用、土地覆盖检测上具备较高的研究价值。因此,本文围绕面向对象的分类方法中关键问题,研究提出了两种面向对象分类的新算法。主要研究工作如下:（1）针对传统简单线性迭代聚类（Simple Linear Iterative Clustering,SLIC）超像素分割算法难以准确分割细小地物目标的问题,研究提出了一种基于Canny边缘算子的超像素分割算法,该算法利用Canny边缘算子所提取的地物边缘信息作为引导,协助SLIC算法进行超像素分割,使得生成的超像素块的边界更贴合于地物目标的边缘。在高分一号和高分二号影像数据上进行实验,分析评价实验结果,验证所提算法的可行性和有效性。（2）研究提出了一种改进的面向对象分类算法。传统的面向对象分类算法中,同一地物类别,在不同分类算法下得到的分类效果不一致;在同一分类模型中,不同类别的地物得到的分类精度差异较大。针对这类问题,算法首先分别利用支持向量机（Support Vector Machine,SVM）和随机森林（Random Forest,RF）分类模型进行分类。针对一种或多种地物信息,采用分类精度最高的分类算法提取该类地物信息,通过将所有地物信息进行融合,最终实现遥感影像分类,提高分类精度。在高分一号和高分二号影像数据上进行实验,分析评价实验结果,验证所提算法的可行性和有效性。
曹州[2]（2020）在《一种改进的基于RNN的遥感影像变化检测方法研究》文中研究表明变化检测是指利用覆盖同一地表区域的多时相遥感影像来确定和分析地物变化,广泛应用在土地利用调查、资源动态监测、灾后分析评估和城市规划建设等领域。随着多分辨率、全方位和全天候的对地观测网的建立,遥感数据量急剧增加,对变化检测的精度和效率设定了更高的期望。大多数变化检测方法忽略了遥感影像间的时间联系,没有充分挖掘时间维度的信息,导致精度较低,泛化不足等问题的出现。循环神经网络（Recurrent Neural Network,RNN）能够挖掘时间序列数据的信息,学者们基于这一特性将循环神经网络引入到遥感变化检测分析中,变化检测的精度得到提高。然而目前循环神经网络在变化检测中的应用多基于光谱特征开展,未能充分利用遥感影像所提供的多种特征,变化检测精度受到制约。为此,本文在对遥感影像特征和循环神经网络充分研究的基础上,提出了一种改进的基于循环神经网络的变化检测方法,并围绕遥感影像特征和循环神经网络,对遥感影像变化检测所涉及的问题展开系列研究,主要研究内容和创新点如下:（1）对循环神经网络的输入进行改进,构建了基于循环神经网络的多特征融合变化检测模型。本文利用遥感影像的多种像元级特征,如光谱特征、纹理特征、遥感指数特征,并利用窗口运算求取均值的方式提取其空间特征,将上述特征输入至循环神经网络模型进行多特征融合,提取像元-空间-时间特征,实现遥感影像变化信息的提取。（2）利用多种分辨率遥感影像数据验证方法的有效性和适用性。本文分别利用Landsat-8卫星影像和Sentinel-2A卫星影像进行变化检测,分析地物变化类型。实验结果表明,本文方法具有较高精度的同时还拥有较好的泛化能力,可以应对不同中分辨率影像的变化检测任务,满足实际应用需求。
张茂兰[3]（2020）在《基于面向对象的稀土矿山占地方式分类方法研究》文中提出稀土矿作为我国重要的矿产和战略资源,随着近年来稀土矿山被大量开采,其储量逐渐减少,因此准确地反映稀土矿山开采状况迫在眉睫。将遥感技术应用于矿山监测方面具有无可比拟的优势,然而目前鲜有作者对稀土矿山占地方式以及动态监测进行研究;面向对象方法在分类精度上具有一定优势,但确定地物的最佳分割尺度一直是有待进一步研究的问题。本文以GF1以及ZY3卫星影像作为数据源,开展针对稀土矿山占地方式的最优尺度定量分析,在此基础上运用最邻近分类方法进行分类研究,并将分类结果与支持向量机监督分类进行对比,选择最佳的方法。根据2015以及2018年分类结果,进行稀土矿山遥感动态监测。主要结论如下:（1）构建了一种改进的确定稀土矿山占地方式的最佳分割尺度评价法:以均值标准差作为衡量异质性的指标,纹理信息熵作为衡量同质性指标,构建评价函数,采用变换曲线法结合目视分析获取稀土矿山占地方式的最优分割尺度,得到采场、选矿池、排土场、矿山建筑的最优分割尺度分别是:60、80、60、100。（2）结合稀土矿山占地方式遥感影像特征,分析并提取光谱、形状和纹理特性。光谱特性:光谱反射率;形状特性:面积、延伸性和矩形相似性;纹理特性:熵,构建分类规则,采用最邻近分类法,得出面向对象分类的精度88.89%,Kappa系数0.85。（3）采用支持向量机监督分类方法与面向对象分类进行对比,支持向量机监督分类精度81.42%,Kappa系数:0.75。通过两种方法分类结果图定性分析以及分类精度定量对比,得到面向对象分类精度更高,分类结果更好。（4）采用先分类后比较的方法进行稀土矿山动态监测分析,得到2015-2018年研究区的稀土矿山开采总面积减少9.16km2,主要在相关政策的影响下进行了恢复治理。根据动态监测结果,对研究区的稀土矿山开采以及治理提出了相关建议。
冯丹青[4]（2019）在《基于多目标优化的云计算资源调度算法研究》文中提出云计算是一种面向服务的计算模型,能够根据用户需求提供各种类型的服务。在资源调度过程中,虚拟化技术作为云计算的关键技术之一,能够在满足用户需求的前提下,有效实现资源的管理和分配。然而,由于用户需求的增加,导致了数据中心资源管理和分配的复杂性,使得提高资源利用率和降低能耗开销成为资源分配过程中需要解决的主要问题。因此,如何设计一种有效的资源自适应调度策略,除了提高资源利用率以外,还可以降低能耗开销;这已成为资源调度过程中面临的主要挑战之一。本文以提高资源利用率和降低能耗开销作为出发点,重点针对多目标优化和资源调度策略展开深入的研究。具体研究内容可以概括为以下几个方面。第一,提出了一种基于整体性能的自适应调度策略。通过分析多个关键性能指标,从生存性角度出发,利用熵差值方法确定性能临界值。在此基础上,根据用户的不同需求,设计了基于物理主机或虚拟机的自适应资源调度策略;当资源过度分配时,结合WMA（Weighted Moving Average）预测方法,设计了基于虚拟机的自适应减少策略来降低能耗开销。实验结果表明,在资源分配过程中,本文提出的自适应调度策略,能够根据用户需求快速增加或减少资源的使用数量。第二,提出了考虑三阶段的多目标资源优化策略。由于用户需求的随机可变性,导致了传统的预留计划无法灵活地满足用户需求,本文提出了将资源预留,预测以及整合三个阶段相结合的资源优化策略。在预留计划里,设计了随机整数线性规划模型来确定预留计划。在此基础上,提出了基于双指数平滑的组合预测方法确定下一阶段的负载需求。在整合过程中,通过提高资源利用率的方法来降低能耗开销。实验结果指出,在降低租用成本的前提下,本文提出的三阶段资源优化策略能够实现资源的快速管理和分配。第三,提出了基于改进粒子群算法的负载均衡策略。在资源调度过程中,除了传统单一目标（如能耗）的优化方法以外,还需要考虑其它的优化目标。而且,还需要解决确定热点主机以及虚拟机定位等主要问题。因此,本文设计了基于粒子群算法的负载均衡策略,主要目标是提高资源利用率和降低能耗开销。在均衡过程中,提出将CPU和内存等关键因素与熵值方法相结合来确定热点主机。在此基础上,设计了基于理想解的粒子群算法,提出通过虚拟机定位方法来提高资源利用率和降低能耗开销。实验结果表明,本文提出的基于双目标粒子群算法的负载均衡策略能够实现有效的负载均衡。第四,提出了基于两阶段的多目标资源整合策略。针对资源调度过程中存在的迁移时机,待迁移虚拟机以及虚拟机定位等问题,本文提出了基于多目标蚁群算法的资源整合策略,主要目标是提高资源利用率,降低能耗开销和资源损耗程度。在整合过程中,提出了将多个性能指标与灰色关联分析相结合的方法来确定当前物理主机状态。在此基础上考虑了CPU和内存利用率,提出利用欧式距离方法来确定待迁移虚拟机。而且,设计了基于帕累托的多目标蚁群算法,研究了虚拟机放置问题。实验结果表明,本文提出的多目标资源整合策略具有更好的整合效果;与其它启发算法对比,该算法能够有效地降低SLA违约以及能耗开销。
刘林东[5]（2019）在《分布式异构环境中任务调度算法研究》文中指出分布式系统凭借其优秀的计算能力得到了越来越广泛的应用,分布式系统中的处理机通常是性能异构的,为了充分利用分布式系统中的计算资源,提高用户访问资源的满意度以及资源调度的公平性,需要对分布式异构环境下的任务调度问题进行研究。越来越多的学者关注分布式异构环境中的任务调度问题,分布式异构环境中的任务调度研究已成为高性能计算的研究热点之一。本文围绕分布式异构环境中的独立任务和相关任务问题,以雾计算和分布式计算为应用场景,通过相应的调度策略对任务进行排序,并将任务调度到相应的计算节点上。设计的任务调度算法能够缩短任务调度的跨度、提高分布式异构系统的性能、降低任务调度的平均等待长度且具有较好的稳定性。本文的主要研究工作和创新点总结如下:（1）首先对关联规则分类挖掘的过程进行改进,减少分类过程中产生的候选集和频繁集,提出了一种改进的关联规则挖掘算法I-Apriori算法;然后基于I-Apriori算法,提出一种雾计算（Fog Computing）任务调度模型和TSFC任务调度算法,TSFC算法结合I-Apriori算法生成的关联规则以及最小完成时间优先策略,将任务调度到相应的雾计算节点上执行;分别通过Windows真实任务调度环境和Linux环境下SimGrid仿真平台对TSFC算法进行实验和性能评估;TSFC算法在任务调度跨度以及平均等待时间等方面均优于其他同类算法,而且具备一定任务调度的学习能力。（2）针对在线任务调度中任务就绪时间不一致性的问题,提出了一种基于加权最早完成时间的独立任务在线调度wEFT（Weighted Earliest Finish Time）算法。算法把任务就绪时间、任务传输通信时间、任务调度时间以及任务完成时间等作为任务排序的依据;选择最早完成时间最小或加权链接数最小的处理机进行任务调度;利用Socket编程接口在Java中实现任务配置、处理机配置、任务分发、任务调度以及任务调度信息回传等功能,通过实验得出wEFT算法与同类算法在任务调度跨度以及任务平均等待时间等方面具有一定的优势。（3）提出了一种全局优先级相关任务调度模型和相关任务调度IHEFT（Improvement Heterogeneous Earliest Finish Time）算法,IHEFT算法主要对任务排序和任务调度两个环节进行优化,以任务计算代价的二次方差以及平均通信开销作为任务排序的依据,而任务调度阶段,对满足条件的节点进行任务复制,可以充分利用分布式异构环境下的计算资源、缩短任务集调度的跨度和平均等待时间,提高了任务调度算法的稳定性。（4）提出了一种基于分布式异构环境的多DAG任务调度模型和MDTS（Multiple DAGs Task Scheduling）算法。MDTS算法通过增加一个入口任务节点和一个出口任务节点的方法将多个DAG任务图合并为一个DAG任务图,从而将多DAG任务调度问题转化为单DAG任务调度问题。在合并后的DAG任务调度过程中,根据每个任务节点计算代价的二次方差以及平均通信开销对任务进行排序;然后利用IHEFT算法对相关任务进行调度。
庄存波[6]（2018）在《复杂产品装配过程管理与控制技术研究》文中指出卫星、导弹、火箭等复杂产品的装配具有以手工装配为主、研制与批产并行、注重可追溯性等特点,其在装配过程中存在着大量的信息传递、资源协调和生产扰动,如何实现复杂产品装配过程的管理与控制一直是工程中亟待解决的难题。论文针对企业复杂产品装配的实际需求,系统地研究了面向复杂产品装配过程的管控技术,开发了软件系统并对研究成果进行了应用验证,为复杂产品装配过程的管控提供了一种有效的方法和工具。论文的主要研究工作包括以下几个方面:（1）分析了复杂产品装配过程管控的研究背景,总结了装配过程数据采集和管理、面向装配过程的生产调度、产品装配数据包生成和基于数字孪生的装配过程智能管控等技术的研究现状,指出了目前复杂产品装配过程管控技术的研究现状中存在的不足。（2）分析了复杂产品的装配业务流程,论述了复杂产品装配过程管控的内涵,在此基础上构建了复杂产品装配过程管控的实现流程和技术框架。结合目前研究现状中存在的不足,明确了论文重点研究的关键技术,分别为装配过程数据采集和管理技术、一种改进离散磷虾群的装配调度算法、产品装配数据包生成技术以及基于数字孪生的装配车间智能管控技术。（3）针对复杂产品装配过程数据全面实时采集和管理困难的问题,引入工作流技术,构建了基于流程和日作业计划的装配过程数据采集和管理模型,实现了装配过程数据的实时、准确、全面采集和管理。针对装配过程物料动态跟踪困难、物料信息可追溯性差的问题,提出了基于流程和条码的复杂产品装配过程物料动态跟踪及管理方法,详细论述了该方法的实现流程,在此基础上阐述了实做物料的内涵及其生成算法,解决了卫星、导弹等复杂航天产品在物料领域的质量追溯难题。（4）以工期最小化为调度目标,建立了复杂产品装配调度模型,提出了一种求解复杂产品装配调度问题的改进离散磷虾群算法。通过基于排列的编码方式和基于启发式规则的改进解码方式实现了调度解和磷虾种群个体之间的转换;通过局部搜索和重启策略改进了磷虾群算法,增强了算法的局部寻优能力和全局搜索能力;通过正交试验分析了不同的参数设置对算法性能的影响,确定了算法的最佳参数组合。实例和算法比较结果验证了所提算法的高效性和稳定性。（5）针对完整准确的复杂产品装配数据包的输出难以实现的问题,提出了一种基于物料清单和流程的复杂产品装配数据包生成方法。分析了复杂产品装配数据的动态演变过程,研究了基于流程的产品装配数据组织、逆向过程下的产品装配数据版本关联以及基于物料清单的产品装配数据层次化管理等关键实现技术,在此基础上给出了产品装配数据包的生成算法,实现了完整准确的产品装配数据包的输出。（6）引入数字孪生技术,提出了基于数字孪生的复杂产品装配车间智能管控方法,构建了实现该方法的体系框架,阐述了装配车间数字孪生体构建、数字孪生和大数据驱动的装配车间运行状态预测以及基于数字孪生的装配车间管控服务等关键实现技术,为实现复杂产品装配过程的智能化管控提供了一个可行的解决方案。（7）结合航天装配企业实际需求,自主设计并开发了复杂产品装配过程管理与控制系统,并结合具体的企业实例,对论文的研究成果进行了验证。最后,总结了论文的主要研究成果和创新点,并展望了下一步将要开展的相关理论和技术研究工作。
彭代锋[7]（2017）在《基于多特征信息挖掘的对象级光学卫星影像变化检测研究》文中指出随着遥感平台和传感器技术的不断发展,对地观测技术和手段日益成熟,产生了海量多源异构的遥感数据。因此,研究如何高效地从遥感数据中提取有用信息,避免“信息孤岛”,对于发掘影像潜能,实现“数据”到“信息”的转变具有重要意义。高分辨率遥感影像具有丰富的几何结构信息,广泛应用于遥感影像信息提取、分类和变化检测等领域。变化检测技术通过覆盖同一地区的多时相影像发现地表地物的变化过程,进而为资源调查、环境保护、城市规划、灾害评估等提供重要的决策信息。其中,对象级变化检测方法可充分利用影像的空间上下文信息,避免“椒盐”噪声干扰,日益成为高分辨率遥感影像变化检测的主流方法。然而,由于光谱可分性降低,“异物同谱”和“同谱异物”现象的加剧,导致对象级变化检测方法面临很多问题和挑战,主要体现在以下几点:一、多时相影像分割是对象级变化检测方法的前提和基础,分割的精度严重制约对象特征提取和变化检测的精度;二、对尺度信息的使用大多停留在不同尺度变化检测结果的融合上,缺乏对尺度集约束信息的考虑;三、将不同分割对象独立看待,忽略了邻域对象的空间相互作用对变化属性的影响。因此,深入研究多时相影像分割、尺度集信息约束和邻域信息约束算法,对提高对象级变化检测精度具有重要的理论价值。基于以上几个关键问题,本文从多时相影像分割、多特征提取、多尺度融合、后处理等变化检测过程的不同环节入手,以提高对象级变化检测的精度和可靠性为目的,研究并提出了三种相应的对象级遥感影像变化检测方法,主要内包括以下几个方面:1)基于分割优化和多特征融合的变化检测方法研究。现有的多时相影像分割方法缺乏对地物变化的考虑,且分割得到的对象尺寸分布不均匀,影响了地物边界范围的精确提取和对象特征提取的统计稳定性。为此,本文提出了一种基于对象相交与合并的分割优化方法,一方面,通过对象相交处理建立两时期对象的空间上一一对应关系;另一方面,通过基于光谱和形状特征约束的合并处理获取尺寸分布合理的分割对象。此外,为充分挖掘高分辨率遥感影像丰富的细节信息,提出了一种基于光谱、纹理和空间特征的多特征融合方法,有效弥补了单一特征检测能力的不足,且融合方法参数设置简单,自动化程度高,在精度和效率方面取得较好的平衡。2)基于尺度集约束变化检测方法研究。尺度集可以看作是不同尺度影像序列的集合,现有的多尺度影像处理方法一般将不同尺度检测结果独立看待,通过多尺度融合的方式实现不同尺度下检测结果的综合。然而,上述方法仅仅从信息融合的角度考虑尺度影响,忽略了尺度间内在的上下文关系。为此,本文提出了两种基于尺度集约束的对象级遥感影像变化检测方法,即基于多尺度传播的变化检测算法和基于多尺度词包模型的变化检测算法,分别从不同角度和不同方式将尺度因子和尺度空间上下文关系引入到对象级遥感影像变化检测中。其中,基于多尺度传播的变化检测算法从多尺度分割角度出发建立多尺度表达,一方面,通过尺度层间分割对象的父子映射关系建立尺度集约束;另一方面,通过将粗尺度检测结果传递到细尺度进行综合分析,实现了不确定信息的逐层减少和变化检测结果的逐层精化。基于多尺度词包模型的变化检测算法从金字塔角度出发建立影像的多尺度表达。首先根据原始影像和分割标记图像构建金字塔影像,然后建立分割对象的多尺度词包模型,并通过不同尺度下视觉直方图的级联建立影像对象的多尺度表达和尺度集约束,最后通过相似性分析确定分割对象的变化属性。3)基于标号平滑的变化检测结果精化方法研究。现有的对象级变化检测算法大多基于对象独立性假设,通过对象相似性分析获取变化检测结果,忽略了由于分割精度和影像质量等因素造成的邻域对象间的空间相互作用。标号平滑可在初始变化检测结果基础上施加平滑先验约束,有效利用对象空间上下文关系。为此,本文总结了常用的基于局部滤波和MRF模型的标号平滑方法,并提出了一种改进的MRF模型的标号平滑方法,其优点是充分考虑了邻域对象间的光谱、形状等特征,更加精确地刻画了邻域对象间的空间相互作用。首先提取初始变化检测结果,作为初始标号影像;然后提取差异影像中邻域对象的光谱和形状等特征,包括光谱均值、公共边长度、面积,并结合对象光谱特征的先验分布知识分别构建特征场和标记场能量函数;最后使用图割优化算法对MRF能量函数进行优化求解,得到每个对象的最优标号,即变化属性。
郑长利[8]（2017）在《综合极化信息和改进FNEA的PolSAR影像建筑物提取》文中提出极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）是在原有单极化合成孔径雷达基础上发展来的能接收不同极化散射通道散射信息的新型雷达。极化SAR获取到的不同极化通道的极化信息反映不同类型地物对不同极化方向雷达波的响应,研究建筑物在不同极化通道下的响应,可以提供与光学信息截然不同的另一视角来指导建筑物的提取。然而,目前利用极化信息开展的建筑物研究多是基于像素级的,面向对象的研究较少。本文重点研究面向对象的极化SAR建筑物提取中的关键步骤——分割和提取。首先针对分形网络演化（Fractal Net Evolution Approach,FNEA）方法应用于极化SAR影像分割时出现边缘漂移现象的问题,引入边缘特征对分形网络演化方法中的底层像素合并进行引导;接着针对保持极化散射特性的建筑物提取方法利用特征单一、建筑物提取精度较差的问题,引入极化方位角特征、亮度特征和纹理特征减少建筑物的漏检和误检;并通过机载全极化数据设立三组对比试验,证明了改进的分割方法和建筑物提取方法的有效性。论文的主要研究内容及创新点如下:（1）从描述电磁波极化特性的Jones矢量、极化椭圆和Stokes矢量出发,总结了目标的极化散射特性,并比较了几种极化SAR影像相干斑滤波方法的效果,为后续的研究打下基础。（2）提出改进FNEA的极化SAR影像分割方法。针对FNEA方法应用于极化SAR影像分割时因初始合并边缘信息缺乏导致分割结果中出现边缘漂移现象的问题,引入边缘特征引导像素级合并生成初始对象,以该初始对象为起点,计算融入极化信息的广义相似度准则,搜索最优对象合并,完成多尺度阈值下的分割,并以单特征建筑物提取的总体精度作为尺度参数的筛选标准,得到最优尺度的分割结果,用于后续对象级建筑物提取。（3）提出综合多特征的极化SAR影像建筑物提取方法。针对现有的面向对象的极化SAR建筑物提取方法利用特征较单一的问题,详细分析了漏检、误检形成的原因和对应的极化分解特征的表征,接着详细论述了综合利用极化方位角特征、亮度特.征和纹理特征进行改进的方法,并对方法实现过程中的若干关键点进行了讨论,同时,提出了对象占优因子对传统散射类型占优的方法进行了改进,形成了一套面向对象的综合多特征的极化SAR建筑物提取方法。
二、一种改进的面向对象分析方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种改进的面向对象分析方法（论文提纲范文）
（1）面向对象的高分辨率遥感影像分类算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究意义与目的 |
| 1.2 国内外研究现状 |
| 1.2.1 图像分割算法 |
| 1.2.2 图像分类算法 |
| 1.3 论文研究内容 |
| 1.4 论文结构 |
| 第二章 传统面向对象分类方法 |
| 2.1 数据及其预处理 |
| 2.1.1 数据源 |
| 2.1.2 数据预处理 |
| 2.2 影像分割 |
| 2.2.1 超像素分割算法简介 |
| 2.2.2 SLIC超像素分割算法 |
| 2.3 特征提取 |
| 2.4 支持向量机分类算法 |
| 2.4.1 支持向量机算法简介 |
| 2.4.2 线性可分 |
| 2.4.3 线性不可分 |
| 2.5 本章总结 |
| 第三章 一种基于Canny边缘算子的超像素分割算法 |
| 3.1 基于Canny边缘提取算法 |
| 3.2 Canny边缘提取简介 |
| 3.2.1 Canny边缘提取算法步骤 |
| 3.2.2 Canny边缘提取算法实验结果分析 |
| 3.3 基于Canny边缘算子的超像素分割算法 |
| 3.4 本章总结 |
| 第四章 基于改进的面向对象分类算法 |
| 4.1 随机森林算法 |
| 4.1.1 决策树算法 |
| 4.1.2 CART决策树 |
| 4.1.3 随机森林算法数学定义 |
| 4.1.4 随机森林的构建过程 |
| 4.1.5 随机森林算法的性质 |
| 4.1.6 分类结果 |
| 4.2 改进的面向对象分类算法 |
| 4.3 实验结果与分析 |
| 4.3.1 分类精度评价 |
| 4.3.2 分类结果分析 |
| 4.4 本章总结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 校间的学术活动及成果 |
（2）一种改进的基于RNN的遥感影像变化检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感影像变化检测研究 |
| 1.2.2 遥感影像变化检测面临的问题 |
| 1.2.3 遥感影像变化检测发展趋势 |
| 1.3 论文主要工作 |
| 1.4 论文的组织结构 |
| 第2章 遥感变化检测与深度学习理论 |
| 2.1 遥感变化检测 |
| 2.1.1 变化检测基本理论 |
| 2.1.2 变化检测一般流程 |
| 2.1.3 变化检测精度评价 |
| 2.2 深度学习理论 |
| 2.2.1 深度学习基本概念 |
| 2.2.2 反向传播算法 |
| 2.2.3 循环神经网络 |
| 2.2.4 循环神经网络在遥感中的应用 |
| 第3章 基于Bi-LSTM的多特征融合变化检测模型 |
| 3.1 特征选取 |
| 3.1.1 光谱特征 |
| 3.1.2 纹理特征 |
| 3.1.3 指数特征 |
| 3.2 双向长短期记忆网络 |
| 3.3 多特征融合模型 |
| 3.4 技术路线 |
| 第4章 基于Landsat-8 卫星影像的变化检测实验与分析 |
| 4.1 研究区域与实验数据 |
| 4.1.1 传感器概况 |
| 4.1.2 实验区域概况 |
| 4.2 数据处理与实验设置 |
| 4.2.1 预处理与特征提取 |
| 4.2.2 实验样本选择与划分 |
| 4.2.3 模型参数选择 |
| 4.2.4 对比实验选择 |
| 4.2.5 迁移泛化实验 |
| 4.3 实验结果与分析 |
| 第5章 基于Sentinel-2A卫星影像的变化检测实验与分析 |
| 5.1 研究区域与实验数据 |
| 5.1.1 传感器概况 |
| 5.1.2 实验区概况 |
| 5.2 数据处理与实验设置 |
| 5.2.1 预处理与特征提取 |
| 5.2.2 实验样本选择与划分 |
| 5.2.3 模型参数选择 |
| 5.2.4 对比实验选择 |
| 5.2.5 迁移泛化实验 |
| 5.3 实验结果与分析 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）基于面向对象的稀土矿山占地方式分类方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状以及存在问题 |
| 1.2.1 最优分割尺度确定的国内外研究现状 |
| 1.2.2 稀土矿山遥感监测的国内外研究现状 |
| 1.2.3 存在问题 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文创新点 |
| 1.5 本章小结 |
| 2 研究区概况以及数据准备 |
| 2.1 研究区概况 |
| 2.1.1 研究区自然地理概况 |
| 2.1.2 研究区稀土矿山概况 |
| 2.2 数据准备 |
| 2.2.1 遥感影像数据收集 |
| 2.2.2 几何校正 |
| 2.2.3 影像裁剪 |
| 2.3 本章小结 |
| 3 稀土矿山最优分割尺度研究 |
| 3.1 面向对象基本原理 |
| 3.2 多尺度分割 |
| 3.3 最优尺度选择 |
| 3.3.1 最优尺度选择的概念 |
| 3.3.2 最优尺度选择算法 |
| 3.4 改进的最优尺度评价方法 |
| 3.5 本章小结 |
| 4 稀土矿山占地方式分类研究 |
| 4.1 稀土矿山占地方式遥感影像特征 |
| 4.2 稀土矿山占地方式特征分析与提取 |
| 4.2.1 光谱特征 |
| 4.2.2 形状特征 |
| 4.2.3 纹理特征 |
| 4.3 面向对象分类 |
| 4.3.1 分类方法介绍 |
| 4.3.2 分类结果 |
| 4.3.3 分类精度评价 |
| 4.4 面向对象分类与支持向量机监督分类比较 |
| 4.4.1 支持向量机监督分类方法介绍 |
| 4.4.2 支持向量机监督分类结果 |
| 4.4.3 支持向量机监督分类精度评价 |
| 4.4.4 面向对象分类与支持向量机监督分类结果对比 |
| 4.5 本章小结 |
| 5 稀土矿山开采情况动态监测 |
| 5.1 2015 -2018 年稀土矿山开采情况动态监测 |
| 5.2 稀土矿山区环境治理保护意见 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）基于多目标优化的云计算资源调度算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 资源调度方法的相关概念及分类 |
| 1.2.1 资源调度方法的相关概念 |
| 1.2.2 资源自适应调度服务分类 |
| 1.3 资源管理技术的研究现状 |
| 1.3.1 基于动态资源的弹性自适应调度 |
| 1.3.2 基于云计算的资源优化技术 |
| 1.4 当前研究工作存在的问题 |
| 1.5 本文的主要研究内容及章节安排 |
| 第2章 面向生存性的自适应调度策略 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.2.1 响应式方法 |
| 2.2.2 主动式方法 |
| 2.3 云计算提供资源自适应调度的应用场景 |
| 2.3.1 资源自适应调度的系统结构 |
| 2.3.2 自适应调度方法描述 |
| 2.4 考虑多个关键指标的性能分析 |
| 2.4.1 灰色关联分析 |
| 2.4.2 考虑生存性的性能临界值 |
| 2.5 考虑不同粒度的自适应调度策略 |
| 2.5.1 弹性资源自适应调度算法 |
| 2.5.2 基于物理主机的粗粒度增加方法 |
| 2.5.3 基于虚拟机的细粒度增加方法 |
| 2.5.4 弹性资源自适应减少方法 |
| 2.5.5 自适应调度算法的性能分析 |
| 2.6 实验及结果分析 |
| 2.6.1 弹性资源自适应调度实验环境 |
| 2.6.2 性能评估基准及对比算法 |
| 2.6.3 弹性资源自适应调度实验结果 |
| 2.7 本章小结 |
| 第3章 考虑三阶段的多目标资源优化策略 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 预留策略 |
| 3.2.2 按需分配 |
| 3.3 云计算提供资源优化调度的应用场景 |
| 3.3.1 资源优化的系统结构 |
| 3.3.2 资源优化的调度过程 |
| 3.4 三阶段资源优化策略 |
| 3.4.1 基于混合线性规划的预留策略 |
| 3.4.2 基于指数平滑和WMA的组合预测 |
| 3.4.3 基于组合预测的多目标资源优化策略 |
| 3.4.4 资源优化算法的性能分析 |
| 3.5 实验及结果分析 |
| 3.5.1 资源优化实验环境 |
| 3.5.2 预留策略实验与结果分析 |
| 3.5.3 预测方法实验与结果分析 |
| 3.5.4 三阶段资源优化实验与结果分析 |
| 3.6 本章小结 |
| 第4章 基于改进粒子群算法的负载均衡策略 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.2.1 静态负载均衡算法 |
| 4.2.2 动态负载均衡算法 |
| 4.3 考虑资源利用率和能耗均衡的调度方法 |
| 4.3.1 熵值方法确定热点主机 |
| 4.3.2 基于熵值方法的负载均衡策略 |
| 4.4 基于粒子群算法的虚拟机放置策略 |
| 4.4.1 基于理想解的适应度函数 |
| 4.4.2 考虑双目标的粒子群算法 |
| 4.5 负载均衡算法的性能分析 |
| 4.6 实验及结果分析 |
| 4.6.1 负载均衡实验环境 |
| 4.6.2 性能评估基准 |
| 4.6.3 实验结果分析 |
| 4.7 本章小结 |
| 第5章 面向多目标优化的资源整合策略 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.2.1 动态资源调度策略 |
| 5.2.2 多目标资源优化策略 |
| 5.3 云计算提供资源整合过程的应用场景 |
| 5.3.1 资源整合调度过程 |
| 5.3.2 调度过程热点消除方法 |
| 5.4 基于多目标优化的资源整合策略 |
| 5.4.1 考虑两阶段的资源调度方法 |
| 5.4.2 多目标优化的资源整合策略 |
| 5.4.3 基于改进蚁群算法的虚拟机放置策略 |
| 5.4.4 资源整合算法的性能分析 |
| 5.5 实验及结果分析 |
| 5.5.1 资源整合实验环境 |
| 5.5.2 实验结果分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）分布式异构环境中任务调度算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1.研究背景和意义 |
| 1.2.国内外研究现状 |
| 1.2.1.关联规则挖掘研究现状 |
| 1.2.2.任务调度研究现状 |
| 1.3.相关研究存在的问题 |
| 1.4.研究内容和主要创新工作 |
| 1.5.论文组织结构 |
| 第二章 分布式异构环境下任务调度相关技术 |
| 2.1.任务调度模型 |
| 2.1.1.任务调度概念 |
| 2.1.2.相关定义 |
| 2.1.3.任务调度问题描述 |
| 2.1.4.任务调度分类 |
| 2.2.任务调度算法 |
| 2.2.1.表调度算法 |
| 2.2.2.在线任务调度算法 |
| 2.2.3.聚类调度算法 |
| 2.2.4.基于复制的调度算法 |
| 2.2.5.多 DAG任务调度算法 |
| 2.3.本章小结 |
| 第三章 基于分类挖掘的独立任务调度 |
| 3.1.引言 |
| 3.2.雾计算 |
| 3.2.1.雾计算概述 |
| 3.2.2.云计算与雾计算 |
| 3.2.3.雾计算系统架构 |
| 3.2.4.雾计算应用场景 |
| 3.2.5.雾计算任务调度 |
| 3.3.相关定义 |
| 3.4.改进的关联规则挖掘模型及算法 |
| 3.4.1.经典关联规则挖掘算法不足 |
| 3.4.2.改进的关联规则挖掘模型 |
| 3.4.3.挖掘算法 |
| 3.4.4.算法评价 |
| 3.5.雾计算中任务调度 |
| 3.5.1.问题描述 |
| 3.5.2.基于雾计算的任务调度模型 |
| 3.5.3.TSFC调度算法 |
| 3.6.任务调度与结果分析 |
| 3.6.1.实验环境 |
| 3.6.2.任务描述 |
| 3.6.3.实验结果分析 |
| 3.7.模拟结果与结果分析 |
| 3.7.1.实验目的 |
| 3.7.2.模拟环境 |
| 3.7.3.测试数据集 |
| 3.7.4.调度过程分析 |
| 3.7.5.实验结果分析 |
| 3.8.本章小结 |
| 第四章 独立任务在线调度策略研究 |
| 4.1.前言 |
| 4.2.问题描述 |
| 4.2.1.任务描述 |
| 4.2.2.资源环境 |
| 4.2.3.任务调度目标 |
| 4.2.4.相关定义 |
| 4.3.任务调度模型及算法 |
| 4.3.1.独立任务在线调度模型 |
| 4.3.2.独立任务在线调度算法 |
| 4.4.真实实验与结果分析 |
| 4.4.1.实验环境 |
| 4.4.2.任务描述 |
| 4.4.3.环境配置及任务分发 |
| 4.4.4.实验结果分析 |
| 4.5.仿真实验与结果分析 |
| 4.5.1.实验目的 |
| 4.5.2.模拟环境 |
| 4.5.3.测试数据集 |
| 4.5.4.独立任务调度过程分析 |
| 4.5.5.实验结果分析 |
| 4.6.本章小结 |
| 第五章 面向全局优先级的表调度算法研究 |
| 5.1.引言 |
| 5.2.相关定义及问题描述 |
| 5.2.1.相关定义 |
| 5.2.2.问题描述 |
| 5.3.相关任务调度模型 |
| 5.3.1.传统任务调度算法缺陷 |
| 5.3.2.任务调度模型 |
| 5.4.相关任务调度算法 |
| 5.4.1.处理机选择 |
| 5.4.2.调度算法 |
| 5.4.3.算法性能分析 |
| 5.5.仿真实验与结果分析 |
| 5.5.1.实验目的 |
| 5.5.2.模拟环境 |
| 5.5.3.任务调度过程分析 |
| 5.5.4.实验结果分析 |
| 5.6.本章小结 |
| 第六章 多DAG任务调度算法研究 |
| 6.1.引言 |
| 6.2.相关定义及问题描述 |
| 6.2.1.相关定义 |
| 6.2.2.问题描述 |
| 6.3.多 DAG任务调度模型 |
| 6.4.MDTS任务调度模型 |
| 6.4.1.多 DAG合并 |
| 6.4.2.任务排序 |
| 6.4.3.处理机选择与任务调度 |
| 6.5.MDTS任务调度算法 |
| 6.5.1.处理机选择 |
| 6.5.2.调度算法 |
| 6.5.3.算法性能分析 |
| 6.6.仿真实验与结果分析 |
| 6.6.1.实验目的 |
| 6.6.2.模拟环境 |
| 6.6.3.测试数据集 |
| 6.6.4.任务调度过程分析 |
| 6.6.5.实验结果分析 |
| 6.7.本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）复杂产品装配过程管理与控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 复杂产品装配过程管控的研究背景 |
| 1.2 复杂产品装配过程管控相关技术的研究现状分析 |
| 1.2.1 装配过程数据采集和管理技术 |
| 1.2.2 面向装配过程的生产调度技术 |
| 1.2.3 产品装配数据包生成技术 |
| 1.2.4 基于数字孪生的装配过程智能管控技术 |
| 1.2.5 研究现状中存在的不足 |
| 1.3 课题来源与研究意义 |
| 1.3.1 课题来源 |
| 1.3.2 研究意义 |
| 1.4 研究内容与论文结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 第2章 复杂产品装配过程管控的内涵和总体框架 |
| 2.1 引言 |
| 2.2 复杂产品装配业务流程分析 |
| 2.3 复杂产品装配过程管控的内涵 |
| 2.4 复杂产品装配过程管控的总体框架 |
| 2.4.1 装配过程管控的实现流程 |
| 2.4.2 装配过程管控的技术框架 |
| 2.4.3 装配过程管控的关键技术 |
| 2.5 本章小结 |
| 第3章 复杂产品装配过程数据采集和管理技术 |
| 3.1 引言 |
| 3.2 基于流程和日作业计划的装配过程数据采集 |
| 3.2.1 基于流程和日作业计划的装配过程数据采集模型 |
| 3.2.2 装配过程数据采集的实现 |
| 3.3 基于流程和日作业计划的装配过程数据管理 |
| 3.4 装配过程中的物料动态跟踪与管理 |
| 3.4.1 基于流程和条码的物料动态跟踪管理方法 |
| 3.4.2 物料动态跟踪管理方法的实现流程 |
| 3.4.3 实做物料的内涵与生成算法 |
| 3.5 本章小结 |
| 第4章 一种改进离散磷虾群的复杂产品装配调度算法 |
| 4.1 引言 |
| 4.2 复杂产品装配调度模型 |
| 4.2.1 调度问题描述 |
| 4.2.2 调度模型符号说明 |
| 4.2.3 调度模型构建 |
| 4.3 磷虾群算法原理 |
| 4.4 改进离散磷虾群算法的设计 |
| 4.4.1 编码与解码 |
| 4.4.2 种群初始化 |
| 4.4.3 局部搜索策略 |
| 4.4.4 重启策略 |
| 4.4.5 算法流程 |
| 4.5 改进离散磷虾群算法性能分析 |
| 4.5.1 参数设置 |
| 4.5.2 初始仿真实验 |
| 4.5.3 实例验证 |
| 4.6 本章小结 |
| 第5章 基于物料清单和流程的复杂产品装配数据包生成技术 |
| 5.1 引言 |
| 5.2 产品装配数据动态演变过程分析 |
| 5.3 产品装配数据包的数据组成 |
| 5.4 产品装配数据包生成的关键实现技术 |
| 5.4.1 基于流程的产品装配数据组织 |
| 5.4.2 逆向过程下的产品装配数据版本关联 |
| 5.4.3 基于物料清单的产品装配数据层次化管理 |
| 5.5 产品装配数据包生成算法 |
| 5.6 本章小结 |
| 第6章 基于数字孪生的复杂产品装配车间智能管控技术 |
| 6.1 引言 |
| 6.2 装配车间管控策略的演变过程 |
| 6.3 基于数字孪生的装配车间智能管控体系框架 |
| 6.4 装配车间智能管控的关键实现技术 |
| 6.4.1 装配车间数字孪生体构建 |
| 6.4.2 数字孪生和大数据驱动的装配车间运行状态预测 |
| 6.4.3 基于数字孪生的装配车间管控服务 |
| 6.5 装配车间智能管控的实施流程 |
| 6.5.1 配置阶段 |
| 6.5.2 运行阶段 |
| 6.6 本章小结 |
| 第7章 复杂产品装配过程管控系统的开发与应用 |
| 7.1 引言 |
| 7.2 系统总体结构 |
| 7.2.1 系统体系结构 |
| 7.2.2 系统功能结构 |
| 7.3 系统开发和运行环境 |
| 7.4 系统设计与实现 |
| 7.4.1 系统功能实现流程设计 |
| 7.4.2 系统开发的主要工具 |
| 7.4.3 系统开发的关键问题及解决方案 |
| 7.4.4 系统的外部接口 |
| 7.5 系统应用实例 |
| 7.5.1 登录及系统管理 |
| 7.5.2 车间资源管理 |
| 7.5.3 装配工艺编制 |
| 7.5.4 装配计划分解与车间调度 |
| 7.5.5 装配过程数据采集 |
| 7.5.6 装配现场可视化监控 |
| 7.5.7 产品装配数据包生成 |
| 7.6 系统应用效果 |
| 7.7 本章小结 |
| 总结与展望 |
| 全文总结 |
| 今后工作展望 |
| 参考文献 |
| 攻读博士学位期间发表论文与研究成果清单 |
| 攻读博士学位期间参与的科研工作 |
| 致谢 |
| 作者简介 |
（7）基于多特征信息挖掘的对象级光学卫星影像变化检测研究（论文提纲范文）
| 报送博士学位简况表 |
| 本文主要的创新点 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 变化检测预处理 |
| 1.2.2 变化信息提取 |
| 1.2.3 变化检测精度评估 |
| 1.3 研究内容 |
| 1.4 论文组织 |
| 2 面向对象影像分析方法 |
| 2.1 引言 |
| 2.2 对象获取方法及最优尺度选择 |
| 2.2.1 数据套合方法 |
| 2.2.2 影像分割方法 |
| 2.2.3 最优分割尺度的选择 |
| 2.3 多尺度影像分析方法 |
| 2.3.1 金字塔方法 |
| 2.3.2 小波分解方法 |
| 2.3.3 尺度空间方法 |
| 2.3.4 多尺度分割方法 |
| 2.4 对象多特征描述 |
| 2.4.1 对象本质特征 |
| 2.4.2 对象关系特征 |
| 2.5 本章小结 |
| 3 基于分割优化和多特征融合的变化检测 |
| 3.1 引言 |
| 3.2 多时相影像分割及优化 |
| 3.2.1 多时相影像分割模式 |
| 3.2.2 多时相影像分割优化 |
| 3.3 多特征提取与融合方法 |
| 3.3.1 多特征提取方法及异质度度量 |
| 3.3.2 多特征融合方法 |
| 3.4 试验与分析 |
| 3.4.1 算法流程 |
| 3.4.2 数据准备 |
| 3.4.3 试验结果与分析 |
| 3.5 本章小结 |
| 4 基于尺度集约束的变化检测 |
| 4.1 引言 |
| 4.2 传统多尺度融合的变化检测 |
| 4.2.1 加权多尺度融合方法 |
| 4.2.2 决策级多尺度融合方法 |
| 4.3 基于多尺度传播的变化检测 |
| 4.3.1 尺度层间父子关系建立 |
| 4.3.2 粗尺度变化检测结果分析 |
| 4.3.3 变化检测结果层间传播 |
| 4.3.4 基于尺度传播的变化检测方法 |
| 4.4 基于多尺度词包模型的变化检测 |
| 4.4.1 基于词包模型的影像表达 |
| 4.4.2 多尺度词包模型的建立 |
| 4.4.3 基于多尺度词包模型的变化检测方法 |
| 4.5 试验与分析 |
| 4.5.1 数据与研究区域 |
| 4.5.2 基于多尺度传播的变化检测 |
| 4.5.3 基于多尺度词包模型的变化检测 |
| 4.5.4 比较与分析 |
| 4.6 本章小结 |
| 5 基于标号平滑的变化检测结果精化 |
| 5.1 引言 |
| 5.2 局部滤波方法 |
| 5.2.1 众数滤波 |
| 5.2.2 高斯滤波 |
| 5.2.3 双边滤波 |
| 5.3 全局随机场模型方法 |
| 5.4 基于改进MRF模型的变化检测 |
| 5.4.1 初始变化图生成 |
| 5.4.2 改进MRF模型的构建 |
| 5.4.3 基于改进MRF模型的变化检测方法 |
| 5.5 试验与分析 |
| 5.5.1 数据与研究区域 |
| 5.5.2 试验结果与分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 主要工作与创新 |
| 6.2 待进一步解决和研究的问题 |
| 参考文献 |
| 攻博期间发表的科研成果目录 |
| 致谢 |
（8）综合极化信息和改进FNEA的PolSAR影像建筑物提取（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 章节安排 |
| 2 极化SAR基本理论及影像滤波 |
| 2.1 电磁波的极化特性及表征 |
| 2.2 目标极化散射特性 |
| 2.3 极化SAR影像相干斑滤波 |
| 3 一种改进的极化SAR影像分割方法 |
| 3.1 分形网络演化方法 |
| 3.2 改进FNEA的极化SAR影像分割 |
| 3.3 研究过程 |
| 3.4 实验结果及分析 |
| 3.5 本章小结 |
| 4 面向对象的综合多特征的极化SAR建筑物提取 |
| 4.1 传统保持极化散射特性的建筑物提取 |
| 4.2 综合多特征的极化SAR建筑物提取 |
| 4.3 研究过程 |
| 4.4 实验结果及精度评定 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 内容总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间主要成果 |
四、一种改进的面向对象分析方法（论文参考文献）
- [1]面向对象的高分辨率遥感影像分类算法研究[D]. 胡金梅. 合肥工业大学, 2020(02)
- [2]一种改进的基于RNN的遥感影像变化检测方法研究[D]. 曹州. 中国科学院大学(中国科学院空天信息创新研究院), 2020(06)
- [3]基于面向对象的稀土矿山占地方式分类方法研究[D]. 张茂兰. 中国地质大学(北京), 2020(08)
- [4]基于多目标优化的云计算资源调度算法研究[D]. 冯丹青. 哈尔滨工业大学, 2019(12)
- [5]分布式异构环境中任务调度算法研究[D]. 刘林东. 华南理工大学, 2019(01)
- [6]复杂产品装配过程管理与控制技术研究[D]. 庄存波. 北京理工大学, 2018
- [7]基于多特征信息挖掘的对象级光学卫星影像变化检测研究[D]. 彭代锋. 武汉大学, 2017(01)
- [8]综合极化信息和改进FNEA的PolSAR影像建筑物提取[D]. 郑长利. 山东科技大学, 2017(03)