| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 用于聚类及图像分割的模糊逻辑模型 | 第14-20页 |
| 1.1 模糊逻辑与聚类算法 | 第14-15页 |
| 1.2 模糊C均值算法的改进方法 | 第15-16页 |
| 1.3 模糊局部信息C均值算法 | 第16页 |
| 1.4 基于马尔科夫随机场的邻域信息分析 | 第16-18页 |
| 1.5 本章小结 | 第18-20页 |
| 第二章 基于马尔可夫随机场和模糊聚类的图像分割 | 第20-32页 |
| 2.1 动机与方法 | 第20-23页 |
| 2.2 能量函数的设计 | 第23-25页 |
| 2.3 实验设计 | 第25-30页 |
| 2.3.1 对合成图像的分割 | 第25-28页 |
| 2.3.2 对自然图像的分割 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 高光谱图像处理 | 第32-38页 |
| 3.1 高光谱遥感技术简介 | 第32-33页 |
| 3.2 高光谱降维的常见方法 | 第33页 |
| 3.3 矩阵计算方法用于高光谱降维 | 第33-34页 |
| 3.4 矩阵列向量选择方法 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于列向量选取的高光谱图像降维 | 第38-50页 |
| 4.1 方法 | 第38-40页 |
| 4.2 实验设计 | 第40-47页 |
| 4.2.1 在AVIRIS和ROSIS数据上的分类结果 | 第41-45页 |
| 4.2.2 噪声鲁棒性测试 | 第45-46页 |
| 4.2.3 距离测度的选择 | 第46-47页 |
| 4.3 结论与展望 | 第47-50页 |
| 第五章 基于改进距离测度的矩阵分解方法 | 第50-56页 |
| 5.1 从列向量选取到矩阵CUR分解 | 第50-51页 |
| 5.2 CUR方法 | 第51-52页 |
| 5.3 逼近奇异值分解的算法 | 第52页 |
| 5.4 不同范数的BCS算法 | 第52页 |
| 5.5 实验结果对比 | 第52-55页 |
| 5.5.1 欧几里得范数的BCS与CUR分解的比较 | 第53-54页 |
| 5.5.2 其他范数的BCS的重建性能比较 | 第54页 |
| 5.5.3 大规模矩阵的重建性能分析 | 第54-55页 |
| 5.6 总结 | 第55-56页 |
| 第六章 总结和展望 | 第56-58页 |
| 6.1 研究总结 | 第56页 |
| 6.2 研究展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |
| 1.基本情况 | 第64页 |
| 2.教育背景 | 第64页 |
| 3.攻读硕士学位期间的研究成果 | 第64-65页 |