聚类分析在卫星云图图像分割中的应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 聚类分析的研究现状 | 第12-13页 |
| 1.2.2 基于聚类的图像处理的研究现状 | 第13-14页 |
| 1.3 本文工作内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第2章 聚类分析和图像分割理论基础 | 第16-29页 |
| 2.1 聚类分析理论基础 | 第16-24页 |
| 2.1.1 聚类分析概述 | 第16-17页 |
| 2.1.2 数据结构表示与相似性计算 | 第17-20页 |
| 2.1.3 常用聚类分析算法 | 第20-24页 |
| 2.2 图像分割理论基础 | 第24-27页 |
| 2.2.1 图像分割概述 | 第24-25页 |
| 2.2.2 常用图像分割方法 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 基于FCM的云图图像分割方法 | 第29-42页 |
| 3.1 卫星云图及去噪处理 | 第29-32页 |
| 3.2 FCM算法原理 | 第32-33页 |
| 3.3 FCM算法优化 | 第33-35页 |
| 3.4 基于FCM的云图图像分割 | 第35-39页 |
| 3.5 实验结果与分析 | 第39-41页 |
| 3.5.1 云图去噪实验 | 第39-40页 |
| 3.5.2 基于FCM的云图图像分割实验 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于DBSCAN的云图图像分割方法 | 第42-52页 |
| 4.1 基于密度聚类的相关定义 | 第42-44页 |
| 4.2 DBSCAN算法原理 | 第44-45页 |
| 4.3 DBSCAN算法优化 | 第45-46页 |
| 4.4 基于DBSCAN的云图图像分割 | 第46-48页 |
| 4.5 实验结果与分析 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于云团的雷暴云识别 | 第52-63页 |
| 5.1 雷暴云的特征分析 | 第52-58页 |
| 5.1.1 雷暴云的光谱特征分析 | 第52-55页 |
| 5.1.2 雷暴云的纹理特征分析 | 第55-58页 |
| 5.2 基于云团的雷暴云识别 | 第58-60页 |
| 5.2.1 基本思想 | 第58页 |
| 5.2.2 基于云团的雷暴云识别算法 | 第58-60页 |
| 5.3 实验结果与分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 个人介绍及在校期间研究成果 | 第71-72页 |
| 致谢 | 第72页 |
