| 第一章 绪论 | 第1-14页 |
| 1．1 研究背景 | 第8-9页 |
| 1．2 国内外研究现状综述 | 第9-10页 |
| 1．2．1 图像分割技术国内外研究现状 | 第9-10页 |
| 1．2．2 遥感图像分割技术国内外研究现状 | 第10页 |
| 1．3 遥感图像分割的困难性 | 第10-11页 |
| 1．4 本文概述 | 第11-14页 |
| 1．4．1 研究内容 | 第11页 |
| 1．4．2 研究目标 | 第11-12页 |
| 1．4．3 论文组织 | 第12-13页 |
| 1．4．4 创新点 | 第13-14页 |
| 第二章 图像分割 | 第14-31页 |
| 2．1 图像分割方法 | 第14-25页 |
| 2．1．1 基于边缘的分割方法 | 第14-22页 |
| 2．1．2 基于区域的分割方法 | 第22-23页 |
| 2．1．3 基于特定理论的分割方法 | 第23-25页 |
| 2．2 纹理特征表达与提取 | 第25-30页 |
| 2．2．1 统计方法 | 第25-30页 |
| 2．2．2 结构化方法 | 第30页 |
| 2．2．3 频谱方法 | 第30页 |
| 2．3 小结 | 第30-31页 |
| 第三章 LIP模型与基于LIP模型的边缘检测方法 | 第31-45页 |
| 3．1 LIP模型 | 第31-35页 |
| 3．1．1 传统的灰度函数与LIP的灰度色调函数 | 第31-32页 |
| 3．1．2 灰度色调函数空间 | 第32页 |
| 3．1．3 灰度色调空间 | 第32-33页 |
| 3．1．4 灰度色调向量 | 第33-34页 |
| 3．1．5 灰度色调函数的微分 | 第34-35页 |
| 3．2 基于LIP模型的边缘检测算法 | 第35-37页 |
| 3．2．1 流程图 | 第35-36页 |
| 3．2．2 高斯平滑滤波 | 第36页 |
| 3．2．3 LIP-Sobel算子求梯度 | 第36-37页 |
| 3．2．4 检测边缘 | 第37页 |
| 3．2．5 边缘细化 | 第37页 |
| 3．3 应用实例 | 第37-41页 |
| 3．3．1 实验结果与分析 | 第38-41页 |
| 3．4 基于LIP模型的边缘检测对低亮度图像敏感的理论证明 | 第41-44页 |
| 3．5 小结 | 第44-45页 |
| 第四章 基于聚类的遥感影像分割方法 | 第45-52页 |
| 4．1 聚类方法概述 | 第45-46页 |
| 4．2 基于模拟退火的CLARANS聚类方法 | 第46-51页 |
| 4．2．1 CLARANS聚类方法 | 第47-48页 |
| 4．2．2 模拟退火方法 | 第48页 |
| 4．2．3 基于模拟退火的CLARANS聚类方法 | 第48-51页 |
| 4．3 小结 | 第51-52页 |
| 第五章 基于边缘检测和GMRF模型的遥感影像分割 | 第52-58页 |
| 5．1 基于边缘检测的初始分割 | 第52页 |
| 5．2 GMRF模型特征提取 | 第52-54页 |
| 5．3 基于模拟退火的CLARANS聚类算法分割图像 | 第54页 |
| 5．4 实验 | 第54-55页 |
| 5．5 小结 | 第55-58页 |
| 第六章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |