| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景 | 第11-15页 |
| ·图像分割技术概述 | 第11-13页 |
| ·基于图论的图像分割简介 | 第13-14页 |
| ·谱聚类方法概述 | 第14-15页 |
| ·国内外研究现状及课题意义 | 第15-17页 |
| ·国内外研究方向 | 第15-16页 |
| ·研究意义与目标 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 第二章 谱聚类分割方法理论基础 | 第18-32页 |
| ·引言 | 第18页 |
| ·图像特征的描述 | 第18-23页 |
| ·图像特征的描述 | 第18-20页 |
| ·图像的图表示描述 | 第20-21页 |
| ·拉普拉斯矩阵的性质 | 第21-23页 |
| ·谱聚类分割方法概述 | 第23-28页 |
| ·基本谱聚类分割方法概述 | 第23-25页 |
| ·谱聚类方法与谱图分割理论 | 第25-28页 |
| ·谱聚类方法聚类分析 | 第28-31页 |
| ·K均值聚类方法简介 | 第29页 |
| ·多分谱聚类(Multiclass Spectral Clustering) | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于邻域信息的谱聚类和超像素处理 | 第32-46页 |
| ·引言 | 第32页 |
| ·基于邻域输入的谱聚类图像分割概述 | 第32-38页 |
| ·颜色对谱图分割的贡献 | 第32-33页 |
| ·边缘信息对于谱图分割的贡献 | 第33-34页 |
| ·纹理信息对于谱图分割的贡献 | 第34-36页 |
| ·结合纹理,边缘,颜色的谱聚类图像分割方法 | 第36-38页 |
| ·基于层次谱聚类的图像分割方法 | 第38-41页 |
| ·分块处理 | 第38-39页 |
| ·超像素聚类 | 第39-40页 |
| ·后续处理 | 第40页 |
| ·参数估计 | 第40-41页 |
| ·实验结果与分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 针对极化SAR图像分割的层次谱聚类 | 第46-54页 |
| ·引言 | 第46-47页 |
| ·基于层次谱聚类的极化SAR图像分割方法 | 第47-50页 |
| ·Wishart分布与极化SAR图像 | 第47-48页 |
| ·基于Wishart分布的极化SAR图像层次谱聚类分割方法 | 第48-50页 |
| ·实验结果与分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者在学期间取得的学术成果 | 第62页 |