基于遥感影像的大雾识别方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·选题背景与研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·MATLAB软件简介 | 第15-16页 |
| ·研究方法 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| ·论文特色 | 第18-19页 |
| 第二章 基于区域生长的大雾识别方法研究 | 第19-29页 |
| ·区域生长原理 | 第19-20页 |
| ·区域生长准则 | 第20-22页 |
| ·基于MATLAB的区域生长算法实现 | 第22-26页 |
| ·分割结果评价 | 第26-29页 |
| 第三章 基于模糊C-均值聚类的大雾识别方法研究 | 第29-41页 |
| ·聚类的基本原理及其分类 | 第29-34页 |
| ·模糊C-均值聚类原理简介 | 第34-35页 |
| ·基于MATLAB的模糊C-均值聚类算法实现 | 第35-38页 |
| ·分割结果评价 | 第38-41页 |
| 第四章 基于BP神经网络的大雾识别方法研究 | 第41-57页 |
| ·人工神经网络原理 | 第41-44页 |
| ·人工神经网络分类 | 第44-46页 |
| ·基于MATLAB的BP网络算法实现 | 第46-55页 |
| ·分割结果评价 | 第55-57页 |
| 第五章 基于三种方法的雾区提取效果分析 | 第57-65页 |
| ·三种分类方法的优缺点比较 | 第57-58页 |
| ·实例分析 | 第58-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·论文的主要研究成果 | 第65页 |
| ·论文的不足之处与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 后记 | 第72页 |