第1章 绪论 1
1.1 目标地物提取的研究目的及意义 1
1.2 目标地物提取的研究背景 2
1.2.1 建筑物提取研究背景 2
1.2.2 道路提取研究背景 3
1.3 目标地物提取的研究现状 5
1.3.1 建筑物提取研究现状 5
1.3.2 道路提取的研究现状 12
1.3.3 桥梁提取研究现状 15
第2章 遥感数据 16
2.1 遥感数据的概念 16
2.2 遥感数据简介 16
2.2.1 卫星系列简介 16
2.2.2 航空影像 23
2.2.3 无人机影像 24
第3章 遥感数据预处理 25
3.1 遥感影像预处理 25
3.1.1 遥感影像校正 25
3.1.2 遥感影像增强处理 29
3.1.3 遥感影像融合 31
3.2 基于Mean Shift算法的遥感影像平滑预处理 33
3.2.1 Mean Shift向量 34
3.2.2 Mean Shift算法的基本思想 35
3.2.3 Mean Shift算法的基本步骤 35
3.3 基于超像素的影像预分割 37
3.3.1 超像素分割方法介绍 37
3.3.2 SLIC超像素分割方法 39
3.4 点云数据预处理 44
3.4.1 真正射影像缺失信息的修复 44
3.4.2 LIDAR点云预处理 45
3.5 基于渐进形态学滤波和NDVI指数的DTM生成 48
3.5.1 渐进形态学滤波的基本原理 49
3.5.2 归一化植被（NDVI）指数 50
3.5.3 DTM的生成 51
第4章 基于多源遥感数据的目标地物提取 54
4.1 基于LIDAR数据和高分辨率遥感影像的建筑物提取 54
4.1.1 nDSM的生成 54
4.1.2 低矮地物的去除 54
4.1.3 高大植被及墙面点的去除 54
4.1.4 区域生长获取完整的建筑物斑块 57
4.1.5 初始轮廓线的生成 58
4.2 基于高分辨率遥感影像的建筑物提取 59
4.2.1 图割方法基本原理 60
4.2.2 能量函数的确定 61
4.2.3 图的构建 62
4.2.4 建筑物斑块提取 64
4.2.5 获取初始建筑物轮廓线 65
4.2.6 实验与分析 66
4.3 基于高分辨率遥感影像的道路提取 74
4.3.1 基于变异函数与支持向量机的道路提取算法 74
4.3.2 基于时频特征与迁移支持向量机的道路提取算法 84
第5章 遥感数据中地物边界线优化提取 92
5.1 基于α-扩展分割与最小二乘模板匹配的建筑物轮廓规则化 92
5.1.1 建筑物主方向的获取 92
5.1.2 基于α-扩展的轮廓线多类分割 96
5.1.3 建筑物分类 104
5.1.4 建筑物轮廓线的精确定位 105
5.1.5 规则化轮廓线的获取 111
5.2 基于GCBAC算法的不规则建筑物轮廓优化 113
5.2.1 基于GCBAC算法优化建筑物轮廓的基本原理 114
5.2.2 轮廓线优化方法的设计 115
5.2.3 确定相邻点连接弧的权重 118
5.2.4 实验与分析 119
5.3 实验与分析 121
5.3.1 实验数据 121
5.3.2 简单结构建筑物轮廓提取实验 122
5.3.3 复杂结构建筑物轮廓提取实验 126
5.3.4 复杂场景建筑物轮廓提取实验 130
5.4 融合初始轮廓线和边缘候选区的建筑物轮廓提取 133
5.4.1 基于张量投票确定建筑物轮廓候选区 133
5.4.2 边界融合 157
5.5 道路形态特征和数学形态学处理 164
5.5.1 道路的形态特征 164
5.5.2 数学形态学处理 165
第6章 本研究的总结与展望 166
6.1 总结 166
6.2 展望 168
参考文献 171