| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 遥感图像分类研究现状及发展趋势 | 第11-13页 |
| 1.2.1 常用遥感图像分类方法概述 | 第11-13页 |
| 1.2.2 遥感图像分割方法未来发展趋势 | 第13页 |
| 1.3 本文主要工作和创新点 | 第13-14页 |
| 1.4 各章节安排 | 第14-16页 |
| 2 遥感图像分割与聚类算法 | 第16-20页 |
| 2.1 遥感图像分割的定义 | 第16页 |
| 2.2 遥感图像分割的步骤 | 第16-17页 |
| 2.3 基于传统的模糊C-均值的遥感图像分割 | 第17-19页 |
| 2.3.1 FCM聚类算法 | 第17-19页 |
| 2.3.2 仿真实验 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 几种FCM改进算法及评价指标 | 第20-32页 |
| 3.1 引言 | 第20-21页 |
| 3.2 FCM-S1和FCM-S2算法 | 第21-23页 |
| 3.3 FLICM算法 | 第23-25页 |
| 3.4 NWFCM算法 | 第25-27页 |
| 3.5 KWFLICM算法 | 第27-30页 |
| 3.6 模糊聚类算法的评价指标 | 第30-31页 |
| 3.7 本章小结 | 第31-32页 |
| 4 基于欧氏空间距离的加强模糊C-均值聚类方法 | 第32-39页 |
| 4.1 引言 | 第32页 |
| 4.2 基于欧氏空间距离的加强模糊C-均值聚类方法 | 第32-35页 |
| 4.2.1 加强模糊C-均值(EnFCM)聚类算法 | 第32-33页 |
| 4.2.2 基于欧氏空间距离的加强模糊C-均值聚类方法 | 第33-35页 |
| 4.3 实验分析 | 第35-37页 |
| 4.4 评价指标对比 | 第37页 |
| 4.5 运行时间对比 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 5 基于自适应滤波的模糊聚类算法 | 第39-48页 |
| 5.1 引言 | 第39页 |
| 5.2 快速广义模糊C-均值聚类(FGFCM)算法 | 第39-41页 |
| 5.3 基于自适应滤波的模糊聚类算法 | 第41-43页 |
| 5.4 实验分析 | 第43-46页 |
| 5.5 评价指标对比 | 第46-47页 |
| 5.6 运行时间对比 | 第47页 |
| 5.7 本章小结 | 第47-48页 |
| 6 遥感图像中林地区域的分割 | 第48-54页 |
| 6.1 引言 | 第48页 |
| 6.2 遥感图像预处理 | 第48-49页 |
| 6.3 本文方法分割遥感图像林地区域及结果分析 | 第49-52页 |
| 6.3.1 分割效果对比 | 第49-51页 |
| 6.3.2 结果分析 | 第51-52页 |
| 6.4 本章小结 | 第52-54页 |
| 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
| 1 研究成果 | 第59页 |
| 2 参加科研项目情况 | 第59页 |
