高分辨率遥感影像面向对象分析技术

前言第1章 GEOBIA研究现状与发展趋势 1.1 产生背景 1.1.1 遥感影像分类的概念 1.1.2 遥感影像分类的发展 1.1.3 面向对象影像分析方法的产生 1.1.4 像素分类与对象分类的对比分析 1.2 概念与基本特点 1.2.1 概念 1.2.2 基本特征 1.2.3 SWOT分析 1.3 研究现状与进展 1.3.1 文献综述 1.3.2 技术现状与进展 1.3.3 应用现状与进展 1.3.4 软件现状与进展 1.3.5 未来发展 1.4 小结 参考文献第2章 GEoBLA理论基础 2.1 地理本体 2.1.1 本体 2.1.2 地理本体 2.1.3 地理本体表示语言 2.1.4 地理本体构建方法 2.1.5 地理本体构建工具 2.1.6 地理本体推理机 2.2 地理认知 2.2.1 认知 2.2.2 地理认知 2.2.3 地理认知过程 2.2.4 地理认知模型 2.3 地理本体与地理认知的关系 2.3.1 地理本体信息到地理认知信息的转换 2.3.2 地理认知信息到地理智能信息的转换 2.4 地理知识 2.4.1 地理知识的表示 2.4.2 地理信息-知识-智能转换模型 2.4.3 地理知识的生态系统 2.5 地理尺度 2.5.1 尺度 2.5.2 地理尺度 2.5.3 尺度转换 2.6 小结 参考文献第3章 GEOBIA框架 3.1 框架的提出 3.2 地理实体概念本体描述 3.3 遥感影像分类地理本体建模 3.4 地理本体驱动的影像对象分类 3.5 小结 参考文献第4章 地理实体概念本体描述 4.1 地理实体知识体系 4.1.1 地理知识 4.1.2 遥感影像特征 4.1.3 影像对象特征 4.1.4 专家知识 4.2 地理实体知识概念本体 4.2.1 领域知识概念本体描述 4.2.2 领域知识选择 4.3 举例：地表覆盖实体本体描述 4.3.1 地表覆盖实体领域知识 4.3.2 地表覆盖实体概念本体 4.4 小结 参考文献第5章 遥感影像分类地理本体建模 5.1 遥感影像分类本体建模方法 5.2 遥感影像分类本体建模语言 5.3 遥感影像本体建模 5.3.1 遥感影像源数据 5.3.2 遥感影像本体建模 5.4 影像对象特征本体建模 5.5 分类器本体建模 5.5.1 决策树建模 5.5.2 专家规则建模 5.6 语义网络模型 5.7 小结 参考文献第6章 GEOBIA影像对象分类方法 6.1 图论与分形网络演化相结合的并行分割 6.1.1 算法原理 6.1.2 方法流程 6.1.3 方法实验 6.1.4 结果分析 6.2 基于随机森林的特征自动优选 6.2.1 算法原理 6.2.2 方法流程 6.2.3 方法实验 6.2.4 结果分析 6.3 基于语义网络模型的影像对象语义分类 6.3.1 方法流程 6.3.2 实现过程 6.3.3 方法实验 6.3.4.结果分析 6.4 小结 参考文献第7章 地表覆盖分类实验 7.1 实验环境 7.1.1 FeatureStation GeoEX 7.1.2 Protege软件 7.2 实验数据与研究区域 7.2.1 实验一：瑞丽市ZY-3 7.2.2 实验二：临潼区WorldView-2 7.3 地理本体驱动的地表覆盖分类实验 7.3.1 地表覆盖类型概念本体描述 7.3.2 面向地表覆盖分类的地理本体建模 7.3.3 面向地表覆盖的影像对象分类 7.4 结果分析 7.4.1 视觉分析 7.4.2 精度评价 7.4.3 实验总结 7.5 小结第8章 滑坡识别实验 8.1 实验数据与研究区域 8.2 地理本体驱动的滑坡识别与分类实验 8.2.1 滑坡概念本体描述 8.2.2 滑坡地理本体建模 8.2.3 滑坡对象识别与分类 8.3 结果分析 8.3.1 视觉分析 8.3.2 精度评价 8.4 小结后记