基于非模糊均值漂移的高空间分辨率遥感影像区域分割算法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第1章 绪论 | 第13-26页 |
| ·研究背景和意义 | 第13-14页 |
| ·分割方法的研究现状综述 | 第14-23页 |
| ·数字图像分割方法综述 | 第16-21页 |
| ·基于边缘检测的分割 | 第16-17页 |
| ·基于阈值分割的分割方法 | 第17-18页 |
| ·区域生长和区域分裂合并分割算法 | 第18-19页 |
| ·基于马尔科夫随机场的分割方法 | 第19-20页 |
| ·基于尺度空间的分割方法 | 第20-21页 |
| ·遥感影像区域分割的研究现状 | 第21-23页 |
| ·本文的研究思路和主要研究内容 | 第23-26页 |
| 第2章 非模糊均值漂移的收敛性证明及应用简介 | 第26-46页 |
| ·引言 | 第26-27页 |
| ·均值漂移过程 | 第27-32页 |
| ·过程描述 | 第27-30页 |
| ·均值漂移向量与非参数概率密度梯度估计关系 | 第30-32页 |
| ·非模糊均值漂移过程收敛性的讨论 | 第32-38页 |
| ·均值漂移收敛性证明中存在的问题 | 第32-33页 |
| ·非模糊均值漂移过程的收敛性证明 | 第33-36页 |
| ·变权重及变带宽对收敛性的影响 | 第36-37页 |
| ·带宽选择问题 | 第37-38页 |
| ·算法的应用 | 第38-45页 |
| ·基于光谱特征聚类的区域分割 | 第38-39页 |
| ·保持边缘的滤波和区域分割 | 第39-44页 |
| ·滤波和区域分割过程描述 | 第39-41页 |
| ·算法参数对分割的影响 | 第41-42页 |
| ·算法实现问题和计算复杂度分析 | 第42-44页 |
| ·目标跟踪应用 | 第44-45页 |
| ·总结 | 第45-46页 |
| 第3章 光谱和纹理特征加权的影像分割算法 | 第46-64页 |
| ·引言 | 第47-48页 |
| ·特征提取及分类器设计 | 第48-55页 |
| ·基于均值漂移的光谱特征提取与保持边缘的影像分割 | 第48-52页 |
| ·变带宽的光谱特征空间均值漂移分析 | 第48-51页 |
| ·基于光谱和空间特征的影像分割 | 第51-52页 |
| ·多尺度Gabor纹理特征抽取 | 第52-53页 |
| ·基于分类贡献度的特征加权最邻近分类器设计 | 第53-55页 |
| ·实验设计和结果分析 | 第55-62页 |
| 实验一 | 第56-58页 |
| 实验二 | 第58-59页 |
| 实验三 | 第59-60页 |
| 实验四 | 第60-62页 |
| ·实验总结 | 第62-64页 |
| 第4章 基于小波域均值漂移算法的影像分割 | 第64-81页 |
| ·引言 | 第64-65页 |
| ·小波变换与均值漂移分割 | 第65-70页 |
| ·下采样小波变换 | 第65-66页 |
| ·整合边缘信息的均值漂移分割算法 | 第66-70页 |
| ·小波域均值漂移分割算法 | 第70-75页 |
| ·最低分辨率的分割 | 第70-71页 |
| ·分割的多尺度融合 | 第71-72页 |
| ·分割的后处理 | 第72页 |
| ·算法参数的确定 | 第72-75页 |
| ·均值漂移分割的参数 | 第72-74页 |
| ·小波分解层数 | 第74-75页 |
| ·分割后处理参数 | 第75页 |
| ·实验结果及分析 | 第75-80页 |
| ·实验数据及参数设置 | 第75-76页 |
| ·未含噪影像的分割实验结果及分析 | 第76-78页 |
| ·噪声影像的分割实验结果及分析 | 第78-80页 |
| ·实验总结 | 第80-81页 |
| 第5章 高分辨率遥感影像多层次分割框架及应用 | 第81-117页 |
| ·前言 | 第82页 |
| ·遥感影像的两步式的多层次分割框架 | 第82-88页 |
| ·分割过程描述 | 第82-83页 |
| ·初始分割的边缘信息整合 | 第83-84页 |
| ·多层次区域合并过程 | 第84-87页 |
| ·区域合并算法描述 | 第87-88页 |
| ·圆形油罐目标提取和油库定位算法 | 第88-95页 |
| ·检测步骤 | 第89页 |
| ·油罐和油库目标描述 | 第89-91页 |
| ·油库区域定位 | 第91-92页 |
| ·实验设计和结果分析 | 第92-95页 |
| ·实验结论 | 第95页 |
| ·基于多光谱区域纹理建模的多层次分割 | 第95-102页 |
| ·纹理特征提取与区域建模 | 第95-98页 |
| ·基于局部二值模式的纹理特征提取 | 第95-97页 |
| ·基于K均值的区域光谱特征量化 | 第97-98页 |
| ·直方图差异度量 | 第98页 |
| ·合并准则 | 第98-99页 |
| ·实验设计和结果分析 | 第99-102页 |
| ·实验结论 | 第102页 |
| ·基于多层次分割的特征自适应提取与分类 | 第102-116页 |
| ·多尺度特征自适应提取技术 | 第103-105页 |
| ·初始分割及分割层次树构造 | 第103-104页 |
| ·区域间异质性的度量与风险函数定义 | 第104-105页 |
| ·基于多层分割特征融合的高谱影像分类 | 第105-107页 |
| ·特征提取 | 第106-107页 |
| ·基于支撑向量机的分类 | 第107页 |
| ·相关实验 | 第107-116页 |
| ·实验数据预处理及参数设置 | 第109-110页 |
| ·监督分类实验 | 第110-116页 |
| ·实验结论及展望 | 第116页 |
| ·本章小结 | 第116-117页 |
| 第6章 总结与展望 | 第117-119页 |
| ·本文工作总结 | 第117-118页 |
| ·进一步的研究工作和展望 | 第118-119页 |
| 参考文献 | 第119-131页 |
| 攻读博士学位期间科研成果 | 第131-132页 |
| 参与的科研项目 | 第132-133页 |
| 致谢 | 第133页 |
