基于模糊集的遥感图像分类研究
| 第1章 绪论 | 第1-15页 |
| 1．1 课题的背景 | 第8-12页 |
| 1．1．1 多光谱遥感的发展概况 | 第9页 |
| 1．1．2 超谱遥感的发展概况 | 第9-11页 |
| 1．1．3 多光谱遥感与超谱遥感的区别与联系 | 第11-12页 |
| 1．2 课题的目的和意义 | 第12-14页 |
| 1．3 论文的主要研究内容 | 第14-15页 |
| 第2章 遥感图像的分类 | 第15-24页 |
| 2．1 监督分类 | 第16-20页 |
| 2．1．1 训练阶段 | 第16-18页 |
| 2．1．2 特征的提取和选择 | 第18-19页 |
| 2．1．3 分类阶段 | 第19页 |
| 2．1．4 监督分类的优缺点 | 第19-20页 |
| 2．2 非监督分类 | 第20-23页 |
| 2．2．1 非监督分类的特点 | 第20-22页 |
| 2．2．2 非监督分类的优缺点 | 第22-23页 |
| 2．3 本章小结 | 第23-24页 |
| 第3章 模糊集理论及其在图像分类中的应用 | 第24-31页 |
| 3．1 模糊集理论的基本概念 | 第24-27页 |
| 3．1．1 模糊理论的产生和发展 | 第24-25页 |
| 3．1．2 模糊性和模糊子集 | 第25-26页 |
| 3．1．3 模糊关系 | 第26-27页 |
| 3．2 模糊集理论在模式识别中的应用 | 第27-30页 |
| 3．2．1 隶属度原则和择近原则 | 第27-28页 |
| 3．2．2 基于模糊等价关系的模式分类 | 第28-30页 |
| 3．3 本章小结 | 第30-31页 |
| 第4章 多光谱遥感图像的模糊分类 | 第31-44页 |
| 4．1 算法介绍 | 第31-34页 |
| 4．2．1 C-均值聚类法 | 第31-32页 |
| 4．2．2 模糊C-均值算法 | 第32-34页 |
| 4．2 分类结果的定量评价方法 | 第34-36页 |
| 4．3 实验图像 | 第36-37页 |
| 4．4 分类实验 | 第37-43页 |
| 4．4．1 分类实验1 | 第37-40页 |
| 4．4．2 分类实验2 | 第40-43页 |
| 4．5 本章小结 | 第43-44页 |
| 第5章 超谱遥感图像的模糊最大似然分类 | 第44-60页 |
| 5．1 算法介绍 | 第44-45页 |
| 5．2 实验图像 | 第45-47页 |
| 5．3 分类实验1 | 第47-48页 |
| 5．4 分类实验2 | 第48-49页 |
| 5．5 分类实验3 | 第49-58页 |
| 5．5．1 分类实验A | 第50-54页 |
| 5．5．2 分类实验B | 第54-58页 |
| 5．6 实验结果分析 | 第58-59页 |
| 5．7 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 个人简历 | 第66页 |
