图像纹理分析及分类方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-12页 |
| 1 绪论 | 第12-18页 |
| ·研究背景、意义和目的 | 第12-14页 |
| ·研究方法和路线 | 第14-16页 |
| ·本文的主要贡献和组织结构 | 第16-18页 |
| 2 纹理描述方法综述 | 第18-31页 |
| ·纹理的形成 | 第18-19页 |
| ·纹理分析的研究内容 | 第19页 |
| ·纹理描述方法 | 第19-28页 |
| ·本章小结 | 第28-31页 |
| 3 关键点及关键点共生关系纹理描述子 | 第31-50页 |
| ·引言 | 第31-32页 |
| ·相关背景 | 第32-35页 |
| ·共生关键点对的检测及其校验 | 第35-40页 |
| ·多网格关键点描述子 | 第40-43页 |
| ·试验及结果分析 | 第43-48页 |
| ·本章小结 | 第48-50页 |
| 4 模式识别的基本方法 | 第50-57页 |
| ·统计模式识别 | 第50-54页 |
| ·神经网络 | 第54-56页 |
| ·讨论 | 第56页 |
| ·本章小结 | 第56-57页 |
| 5 基于局部概率中心的最近邻分类算法 | 第57-77页 |
| ·引言 | 第57-60页 |
| ·局部概率中心分类算法 | 第60-63页 |
| ·LPC方法性能分析 | 第63-66页 |
| ·实验评价 | 第66-74页 |
| ·本章小结 | 第74页 |
| ·附录 | 第74-77页 |
| 6 训练神经网络分类不平衡模式集 | 第77-95页 |
| ·引言 | 第77-79页 |
| ·相关背景 | 第79-81页 |
| ·动态阈值训练算法 | 第81-87页 |
| ·试验评估 | 第87-90页 |
| ·训练神经网络分类遥感图像 | 第90-94页 |
| ·本章小结 | 第94-95页 |
| 7 总结与展望 | 第95-98页 |
| 参考文献 | 第98-108页 |
| 附录 | 第108-111页 |
| 攻读博士学位期间完成的论文 | 第111-112页 |
| 致谢 | 第112-113页 |
