气象卫星遥感图像自动分类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-10页 |
| ·研究目的与意义 | 第8-9页 |
| ·研究目标 | 第9-10页 |
| ·气象卫星及卫星云图介绍 | 第10-11页 |
| ·气象卫星简介 | 第10页 |
| ·气象卫星云图简介 | 第10-11页 |
| ·相关研究领域发展现状 | 第11-14页 |
| ·云图融合技术研究现状 | 第11-12页 |
| ·云图云类特征提取技术研究现状 | 第12-13页 |
| ·云图云类识别技术研究现状 | 第13-14页 |
| ·本文主要工作及结构安排 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 红外云图和水汽图的图像融合 | 第16-28页 |
| ·小波变换基本理论 | 第16-21页 |
| ·小波变换概述 | 第16页 |
| ·连续小波变换与离散小波变换 | 第16-17页 |
| ·多分辨率分析和Mallat算法 | 第17-19页 |
| ·二维图像的小波分解与重构 | 第19-21页 |
| ·基于小波变换的卫星云图融合 | 第21-24页 |
| ·小波变换融合的基本原理与过程 | 第21-22页 |
| ·分解层次与小波函数的选择 | 第22页 |
| ·小波变换融合方案 | 第22-24页 |
| ·试验结果与分析 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 卫星云图特征提取 | 第28-42页 |
| ·图像特征提取介绍 | 第28-29页 |
| ·特征提取定义 | 第28页 |
| ·图像特征类别 | 第28-29页 |
| ·灰度共生矩阵纹理分析 | 第29-33页 |
| ·灰度共生矩阵的定义 | 第29-30页 |
| ·灰度共生矩阵的特点 | 第30-31页 |
| ·灰度共生矩阵二次统计量 | 第31-33页 |
| ·样本集与样本数据选取 | 第33-34页 |
| ·样本集种类 | 第33页 |
| ·样本数据选取 | 第33-34页 |
| ·云类特征向量提取 | 第34-41页 |
| ·光谱特征向量提取 | 第34-38页 |
| ·纹理特征向量提取 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于最小距离的卫星云图云类识别 | 第42-51页 |
| ·简单最小距离分类器 | 第42页 |
| ·加权最小距离分类器 | 第42-44页 |
| ·属性归一化 | 第42-43页 |
| ·加权系数确定 | 第43-44页 |
| ·试验结果与分析 | 第44-50页 |
| ·标准特征库的建立 | 第44-46页 |
| ·试验步骤 | 第46-47页 |
| ·试验结果 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于支持向量机的卫星云图云类识别 | 第51-64页 |
| ·支持向量机分类器 | 第51-55页 |
| ·线性可分支持向量机 | 第51-53页 |
| ·线性不可分支持向量机 | 第53-54页 |
| ·非线性可分支持向量机 | 第54-55页 |
| ·多分类支持向量机模型设计 | 第55-58页 |
| ·支持向量机的核函数及参数 | 第56页 |
| ·多类分类器算法 | 第56-58页 |
| ·基于1-v-1组合的多分类SVM分类流程 | 第58页 |
| ·试验结果与分析 | 第58-63页 |
| ·试验数据说明 | 第58-59页 |
| ·试验步骤 | 第59-60页 |
| ·试验结果 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·论文总结 | 第64-65页 |
| ·工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71页 |
| 作者攻读学位期间发表的学术论文 | 第71-72页 |
| 附录一 缩写词表 | 第72-73页 |
| 附录二 本文对应图表 | 第73-74页 |
