基于数学形态学和分水岭算法的遥感图像目标识别
| 第一章 绪论 | 第1-16页 |
| ·论文背景 | 第7-8页 |
| ·遥感图像的应用 | 第7页 |
| ·问题的提出 | 第7-8页 |
| ·目标识别的策略以及关键技术 | 第8-9页 |
| ·目标识别的策略 | 第8页 |
| ·目标识别的关键技术 | 第8-9页 |
| ·目标识别的一般过程 | 第9-14页 |
| ·图像预处理 | 第10页 |
| ·图像分割 | 第10-11页 |
| ·特征提取 | 第11-13页 |
| ·模型匹配与推理 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文各章内容安排 | 第15-16页 |
| 第二章 数学形态学方法介绍 | 第16-30页 |
| ·引言 | 第16页 |
| ·数学形态学简介 | 第16-19页 |
| ·二值形态学 | 第17-18页 |
| ·灰度形态学 | 第18-19页 |
| ·形态学重建 | 第19-23页 |
| ·二值图像的重建 | 第20-21页 |
| ·灰度图像的重建 | 第21页 |
| ·灰度重建的计算 | 第21-23页 |
| ·灰度重建的应用 | 第23-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 分水岭(Watershed)算法介绍 | 第30-37页 |
| ·引言 | 第30页 |
| ·分水岭算法的基本思想 | 第30-35页 |
| ·几种分水岭计算方法 | 第30-32页 |
| ·一种高效精确的分水岭计算方法 | 第32-35页 |
| ·分水岭算法的应用 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 本文提出的方法 | 第37-51页 |
| ·引言 | 第37-39页 |
| ·数学形态学方法的应用 | 第39-41页 |
| ·形态学灰度重建算法的应用 | 第41-42页 |
| ·分水岭算法的应用 | 第42-45页 |
| ·图像分割 | 第42-44页 |
| ·区域阈值分割 | 第44-45页 |
| ·基于几何特征的识别方法 | 第45-47页 |
| ·尺寸 | 第45页 |
| ·形状 | 第45-46页 |
| ·空间关系 | 第46页 |
| ·分类 | 第46-47页 |
| ·实验结果并讨论 | 第47-50页 |
| ·结论 | 第50-51页 |
| 第五章 结束语 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录A 硕士期间参与的科研项目 | 第57-58页 |
| 附录B 硕士期间发表的论文 | 第58页 |
