基于对象云的遥感图像模糊边缘检测研究
| 摘要 | 第1-8页 |
| Abstract | 第8-15页 |
| 第1章 绪论 | 第15-28页 |
| ·研究背景 | 第15-19页 |
| ·图像边缘检测研究现状 | 第16-17页 |
| ·遥感图像边缘检测研究所面临的问题 | 第17-19页 |
| ·图像边缘检测方法综述 | 第19-23页 |
| ·图像边缘分类及特征分析 | 第19-21页 |
| ·传统的边缘检测方法 | 第21-23页 |
| ·论文研究的目的及意义 | 第23-24页 |
| ·本论文的主要内容 | 第24-26页 |
| ·本论文的课题来源及论文组织 | 第26-28页 |
| ·论文的课题来源 | 第26页 |
| ·论文组织 | 第26-28页 |
| 第2章 模糊理论在边缘检测中的应用研究 | 第28-43页 |
| ·模糊理论基础 | 第28-31页 |
| ·模糊集合及隶属度函数 | 第28-29页 |
| ·模糊关系 | 第29-30页 |
| ·常用的模糊分布 | 第30-31页 |
| ·图像的模糊处理 | 第31-32页 |
| ·模糊边缘检测技术在国内外的研究状况 | 第32-33页 |
| ·基于模糊技术的边缘检测算法研究 | 第33-39页 |
| ·定义简单隶属函数的检测方法 | 第33页 |
| ·基于模糊竞争的边缘检测 | 第33-35页 |
| ·基于模糊梯度法的边缘检测 | 第35页 |
| ·Pal.King算法 | 第35-37页 |
| ·基于Pal.King算法的改进算法 | 第37-38页 |
| ·基于多特征和模糊推理的边缘检测 | 第38-39页 |
| ·一般模糊检测算法在遥感影像中应用的局限性分析 | 第39-41页 |
| ·本文算法的基本思路 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第3章 图像对象云空间映射模型研究 | 第43-78页 |
| ·遥感数据的不确定性分析 | 第43-44页 |
| ·云模型及其理论基础 | 第44-50页 |
| ·云的定义及特性 | 第44-46页 |
| ·云的3En规则 | 第46页 |
| ·云模型及其形态特征解析 | 第46-49页 |
| ·二维正态云模型 | 第49-50页 |
| ·应用云模型解决遥感图像不确定性问题的可行性分析 | 第50-52页 |
| ·遥感图像中对象的不确定性研究 | 第52-60页 |
| ·对象不确定性的三个方面 | 第52页 |
| ·关于不确定性问题的相关理论 | 第52-55页 |
| ·点状物的不确定性研究 | 第55-57页 |
| ·线状特征的不确定性研究 | 第57-59页 |
| ·面状地物的不确定性研究 | 第59-60页 |
| ·遥感图像中对象的云描述 | 第60-66页 |
| ·点状地物的云描述 | 第61-62页 |
| ·线状地物的云描述 | 第62-63页 |
| ·面状地物的云描述 | 第63-66页 |
| ·基于区域生长的云空间核心提取 | 第66-72页 |
| ·云空间及其特性分析 | 第66-68页 |
| ·基于区域生长的云核提取 | 第68-72页 |
| ·图像与云空间的映射模型 | 第72-76页 |
| ·基于象素灰度特征的映射模型 | 第72-73页 |
| ·基于梯度的映射模型 | 第73-76页 |
| ·本章小结 | 第76-78页 |
| 第4章 遥感图像云化处理研究与实现 | 第78-105页 |
| ·遥感图像去噪处理 | 第78-80页 |
| ·遥感图像中噪声类型及常用去噪方法 | 第78-79页 |
| ·遥感图像小波去噪 | 第79-80页 |
| ·基于相似性测度的区域合并 | 第80-83页 |
| ·基于象素灰度的相似性的合并 | 第81-82页 |
| ·区域模糊合并 | 第82-83页 |
| ·图像的云化实验及结果 | 第83-87页 |
| ·简单图像的云化试验 | 第83-85页 |
| ·单一波段遥感图像的云化试验 | 第85-87页 |
| ·多光谱遥感图像的云化处理 | 第87-104页 |
| ·多光谱遥感的光谱信息特征 | 第87-88页 |
| ·多光谱遥感图像的数据特征 | 第88-92页 |
| ·多光谱图像的特征向量变换 | 第92-95页 |
| ·多维云空间映射模型研究 | 第95-98页 |
| ·子云空间信息的综合 | 第98-100页 |
| ·多光谱影像的云化实验及结果 | 第100-104页 |
| ·本章小结 | 第104-105页 |
| 第5章 基于边界云的边缘检测算法研究 | 第105-143页 |
| ·边界云特性分析 | 第105-107页 |
| ·基于逻辑运算的边界云提取 | 第107-116页 |
| ·一维边界云的获取方法 | 第107-108页 |
| ·多维边界云的获取方法 | 第108-109页 |
| ·边界云提取实验 | 第109-116页 |
| ·过渡区及其提取算法 | 第116-126页 |
| ·过渡区的定义 | 第116-118页 |
| ·过渡区的特点 | 第118页 |
| ·传统过渡区的提取算法 | 第118-119页 |
| ·传统过渡区算法的局限性及改进算法 | 第119-122页 |
| ·基于边界云的过渡区提取算法 | 第122-126页 |
| ·模糊特征平面 | 第126-130页 |
| ·图像的模糊特征平面的概念 | 第126-127页 |
| ·基于边界云数字特征的模糊特征平面 | 第127-128页 |
| ·过渡区的模糊增强及逆变换 | 第128-130页 |
| ·基于最大模糊熵理论的图像分割研究 | 第130-136页 |
| ·图像的模糊概率描述 | 第130-131页 |
| ·模糊熵的基本定义 | 第131-132页 |
| ·图像的模糊熵 | 第132-133页 |
| ·最大模糊熵原理 | 第133-134页 |
| ·一维最大模糊熵阈值分割 | 第134-136页 |
| ·过渡区中基于最大模糊熵的边缘检测 | 第136-141页 |
| ·模糊熵条件下边缘点特征向量分析 | 第136-137页 |
| ·利用最大模糊熵进行强弱边缘带划分 | 第137-139页 |
| ·多因子约束条件下的边缘提取 | 第139页 |
| ·断裂边缘生长 | 第139-140页 |
| ·边缘综合 | 第140-141页 |
| ·本章小结 | 第141-143页 |
| 第6章 实验结果及算法评价 | 第143-155页 |
| ·检测质量评价 | 第143-147页 |
| ·一致性测度的选择 | 第143-144页 |
| ·质量评价指标的选择 | 第144-145页 |
| ·边缘检测质量评价试验及分析 | 第145-147页 |
| ·抗噪性能评价 | 第147-153页 |
| ·原始图像检测的对比评价 | 第147-149页 |
| ·噪声图像中抗噪性能评价 | 第149-153页 |
| ·算法效率评价 | 第153页 |
| ·综合评价结果 | 第153-154页 |
| ·本章小节 | 第154-155页 |
| 结论 | 第155-158页 |
| 1 论文的主要成果及创新 | 第155-156页 |
| 2 有待改进的问题 | 第156-157页 |
| 3 未来的研究方向及展望 | 第157-158页 |
| 致谢 | 第158-159页 |
| 参考文献 | 第159-173页 |
| 攻读博士学位期间发表的论文及科研成果 | 第173-175页 |
