基于纹理分析云的分类技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·前言 | 第7页 |
| ·研究目的和意义 | 第7-8页 |
| ·国内外的研究现状 | 第8-10页 |
| ·论文的主要内容和章节安排 | 第10-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 纹理特征提取的研究方法 | 第13-19页 |
| ·纹理定义 | 第13-14页 |
| ·纹理分析方法 | 第14-17页 |
| ·基于统计的纹理特征分析法 | 第14页 |
| ·基于结构的纹理特征分析法 | 第14-15页 |
| ·基于模型的纹理特征分析法 | 第15-16页 |
| ·基于频谱的纹理特征分析法 | 第16-17页 |
| ·纹理分析方法比较 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 多尺度卫星云图纹理特征分析 | 第19-41页 |
| ·灰度共生矩阵的纹理分析 | 第19-25页 |
| ·灰度共生矩阵定义 | 第19-23页 |
| ·灰度共生矩阵的特点 | 第23-24页 |
| ·利用灰度共生矩阵提取纹理特征的步骤 | 第24-25页 |
| ·小波变换技术的分析方法 | 第25-35页 |
| ·小波变换的原理 | 第26-28页 |
| ·多分辨率分析 | 第28-30页 |
| ·分析比较各种小波的分析算法 | 第30-33页 |
| ·卫星云图的小波分解 | 第33-35页 |
| ·卫星云图小波尺度共生矩阵纹理分析 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 支持向量机卫星云图云的分类 | 第41-56页 |
| ·支持向量机的分类原理 | 第41-45页 |
| ·支持向量机基本原理 | 第41-42页 |
| ·支持向量机线性可分条件下的最优分类面 | 第42-43页 |
| ·支持向量机线性不可分条件下的最优分类面 | 第43-45页 |
| ·多类支持向量机模型的设计 | 第45-52页 |
| ·SVM的核函数及参数 | 第46页 |
| ·SVM的学习算法 | 第46-50页 |
| ·多类分类器算法 | 第50-52页 |
| ·多类支持向量机分类的流程 | 第52-53页 |
| ·卫星云图的分类实验及结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 卫星云图云分类系统的设计与实现 | 第56-70页 |
| ·系统技术流程 | 第56-57页 |
| ·系统设计 | 第57-59页 |
| ·系统功能模块的实现 | 第59-66页 |
| ·系统实验 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·成果总结 | 第70页 |
| ·展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者简介 | 第77-78页 |
| 附录一 缩写词表 | 第78-79页 |
| 附录二 本文对应图表 | 第79-80页 |
