基于模糊马尔科夫随机场的遥感图像分割算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 引言 | 第11-15页 |
| ·课题的背景 | 第11-12页 |
| ·国内外研究现状和发展趋势 | 第12-13页 |
| ·图像分割的发展现状 | 第12页 |
| ·遥感图像分割的发展现状 | 第12-13页 |
| ·课题研究的对象 | 第13-14页 |
| ·论文的主要内容与结构 | 第14-15页 |
| 第二章 遥感图像分割算法概述 | 第15-29页 |
| ·遥感图像分割方法分类 | 第15-18页 |
| ·按照分割过程中的自动化程度划分 | 第15-16页 |
| ·按分割区域是否重叠来划分 | 第16页 |
| ·按模型在分割中所起的作用分类 | 第16页 |
| ·按使用知识的特点来划分 | 第16-17页 |
| ·按基于类型特点分类 | 第17-18页 |
| ·遥感图像特征的选择和提取 | 第18-21页 |
| ·形状特征提取 | 第18-19页 |
| ·光谱特征提取 | 第19页 |
| ·纹理特征提取 | 第19-21页 |
| ·优化算法 | 第21-27页 |
| ·基于能量函数的优化算法 | 第22-25页 |
| ·基于统计学的优化算法 | 第25-27页 |
| ·关于优化算法的思考 | 第27页 |
| ·分割效果的评价 | 第27-29页 |
| 第三章 基于模糊集理论的遥感图像分割方法 | 第29-38页 |
| ·模糊理论基础 | 第29-32页 |
| ·模糊集合的定义 | 第30-31页 |
| ·隶属度的确定 | 第31-32页 |
| ·去模糊化方法 | 第32页 |
| ·基于FCM 算法的遥感图像分割应用 | 第32-38页 |
| ·FCM 算法的实现步骤 | 第33页 |
| ·SAR 图像分割实验与结论 | 第33-36页 |
| ·FCM 在分割应用中的主要问题分析 | 第36-38页 |
| 第四章 基于马尔科夫随机场的遥感图像分割方法 | 第38-50页 |
| ·马尔科夫随机场的定义及模拟 | 第38-42页 |
| ·马尔科夫场的定义 | 第39-40页 |
| ·马尔科夫随机场与吉布斯随机场的等效 | 第40-41页 |
| ·MRF 采样方法对比 | 第41-42页 |
| ·MRF 中优化算法对比 | 第42页 |
| ·模拟 MRF 的模型 | 第42页 |
| ·MRF 算法在遥感图像分割中的应用 | 第42-48页 |
| ·MAP-MRF 图像分割框架设计 | 第43-44页 |
| ·MRF 算法流程 | 第44-46页 |
| ·SAR 图像分割实验 | 第46-47页 |
| ·实验结果分析 | 第47-48页 |
| ·基于MRF 分割方法存在的问题 | 第48-50页 |
| 第五章 基于模糊马尔科夫随机场的遥感图像分割算法 | 第50-70页 |
| ·引言 | 第50-51页 |
| ·模型的基本知识 | 第51-54页 |
| ·确定类和模糊类 | 第51-52页 |
| ·模糊随机事件 | 第52页 |
| ·模糊随机变量 | 第52-53页 |
| ·模糊马尔科夫随机场的引入 | 第53-54页 |
| ·模型的模糊化设计 | 第54页 |
| ·贝叶斯框架的实现 | 第54-57页 |
| ·先验分布模型设计 | 第54-55页 |
| ·类条件概率模型设计 | 第55-56页 |
| ·灰度特征的描述 | 第55页 |
| ·纹理特征的描述 | 第55-56页 |
| ·后验概率模型设计 | 第56-57页 |
| ·参数估计与算法的实现 | 第57-58页 |
| ·SAR 图像分割实验 | 第58-64页 |
| ·实验结果分析 | 第64-65页 |
| ·优化方案的调整 | 第65-70页 |
| ·SA-ICM 算法 | 第65-66页 |
| ·实验对比及分析 | 第66-70页 |
| 第六章 结论与展望 | 第70-72页 |
| ·本文工作的总结 | 第70-71页 |
| ·今后工作的思考与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 在学期间的研究成果及获奖情况 | 第76-77页 |
