高光谱遥感图像分割算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文主要工作 | 第11-13页 |
| 第2章 数学形态学基础知识 | 第13-24页 |
| ·数学形态学的介绍 | 第13页 |
| ·数学形态学的运算 | 第13-18页 |
| ·二值形态学运算 | 第14-16页 |
| ·灰度形态学运算 | 第16-18页 |
| ·灰度形态学处理算法 | 第18-21页 |
| ·形态学滤波 | 第18-19页 |
| ·形态学梯度 | 第19-20页 |
| ·形态学重构 | 第20-21页 |
| ·分水岭算法的介绍 | 第21-24页 |
| ·分水岭算法的原理 | 第21页 |
| ·分水岭算法的应用 | 第21-23页 |
| ·本节小结 | 第23-24页 |
| 第3章 高光谱遥感图像降噪处理 | 第24-34页 |
| ·高光谱遥感图像降噪处理的必要性和主要方法 | 第24页 |
| ·降噪的必要性 | 第24页 |
| ·降噪的主要方法 | 第24页 |
| ·高光谱遥感图像低通滤波 | 第24-28页 |
| ·高光谱遥感图像高通滤波 | 第28-30页 |
| ·高光谱遥感图像形态滤波 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 高光谱遥感图像降维处理 | 第34-43页 |
| ·高光谱遥感图像降维处理的必要性和主要方法 | 第34-35页 |
| ·降维的必要性 | 第34页 |
| ·降维的主要方法 | 第34-35页 |
| ·高光谱图像主成分分析(PCA) | 第35-38页 |
| ·高光谱图像最小噪声分离(MNF) | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 高光谱遥感图像分割技术研究 | 第43-54页 |
| ·高光谱遥感图像分割的理论基础 | 第43-44页 |
| ·图像分割的原理 | 第43页 |
| ·高光谱遥感图像分割的原理 | 第43-44页 |
| ·高光谱遥感图像分割的基本方法 | 第44页 |
| ·阈值分割方法 | 第44-47页 |
| ·单灰度级阈值分割 | 第44-45页 |
| ·多灰度级阈值分割 | 第45-46页 |
| ·基于多灰度级阈值高光谱图像分割 | 第46-47页 |
| ·K-MEANS分割方法 | 第47-50页 |
| ·K-means聚类 | 第47-49页 |
| ·基于K-means聚类的高光谱遥感图像分割 | 第49-50页 |
| ·基于标记分水岭的分割方法 | 第50-53页 |
| ·标记分水岭算法 | 第50-52页 |
| ·基于标记分水岭的高光谱遥感图像分割 | 第52-53页 |
| ·本章小节 | 第53-54页 |
| 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间取得学术成果 | 第59页 |
