| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 图像分割的意义 | 第15页 |
| 1.2 图像分割研究背景与现状 | 第15-17页 |
| 1.2.1 SAR图像分割背景与现状 | 第15-17页 |
| 1.2.2 自然图像分割背景与现状 | 第17页 |
| 1.3 论文的主要工作及内容安排 | 第17-19页 |
| 第二章 相关理论基础 | 第19-27页 |
| 2.1 图像分割方法 | 第19-22页 |
| 2.1.1 传统图像分割方法 | 第19-20页 |
| 2.1.2 结合特定理论的图像分割方法 | 第20-22页 |
| 2.2 经典的图像分割算法 | 第22-26页 |
| 2.2.1 划分聚类算法 | 第22-23页 |
| 2.2.2 谱聚类算法 | 第23-25页 |
| 2.2.3 Mean shift聚类算法 | 第25-26页 |
| 2.3 图像分割质量评价 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于空间相关特征的超像素SAR图像分割方法 | 第27-41页 |
| 3.1 引言 | 第27-28页 |
| 3.2 超像素理论及应用 | 第28-29页 |
| 3.2.1 提取超像素 | 第28页 |
| 3.2.2 邻域超像素和相似超像素 | 第28-29页 |
| 3.3 构建基于超像素空间特征和相似特征的聚类模型 | 第29-30页 |
| 3.3.1 基于超像素空间相似特性的FCM模型 | 第29页 |
| 3.3.2 优化加权参数 | 第29-30页 |
| 3.4 算法步骤和流程图 | 第30页 |
| 3.5 实验结果及分析 | 第30-39页 |
| 3.5.1 实验条件 | 第30-31页 |
| 3.5.2 实验结果分析 | 第31-38页 |
| 3.5.3 自然图像分割 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于全局相似的谱聚类图像分割方法 | 第41-51页 |
| 4.1 引言 | 第41-42页 |
| 4.2 Mean shift算法预处理 | 第42-44页 |
| 4.3 构建全局的关联矩阵模型 | 第44-45页 |
| 4.4 谱分析 | 第45-46页 |
| 4.5 算法实现步骤和流程图 | 第46-47页 |
| 4.6 实验结果及分析 | 第47-50页 |
| 4.6.1 实验条件和内容 | 第47-49页 |
| 4.6.2 实验结果分析 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第五章 基于超像素编码的谱聚类图像分割方法 | 第51-61页 |
| 5.1 引言 | 第51-52页 |
| 5.2 常见的编码模型 | 第52-54页 |
| 5.2.1 传统的量化方法 | 第52页 |
| 5.2.2 稀疏编码方法 | 第52-53页 |
| 5.2.3 局部线性约束编码 | 第53-54页 |
| 5.3 建立多层的相似图模型 | 第54-56页 |
| 5.4 算法流程图 | 第56页 |
| 5.5 实验结果及分析 | 第56-58页 |
| 5.5.1 实验条件和内容 | 第56-58页 |
| 5.5.2 实验结果分析 | 第58页 |
| 5.6 本章小结 | 第58-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
| 1. 基本情况 | 第71页 |
| 2. 教育背景 | 第71页 |
| 3. 攻读硕士学位期间的研究成果 | 第71-72页 |