| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 遥感分类研究现状 | 第12-13页 |
| 1.3 研究内容和技术路线 | 第13-16页 |
| 1.3.1 研究内容 | 第13-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 2 影像预处理 | 第17-29页 |
| 2.1 研究区概况 | 第17-18页 |
| 2.2 图像滤波 | 第18-21页 |
| 2.3 各向异性扩散模型 | 第21-27页 |
| 2.3.1 高斯滤波器 | 第21-22页 |
| 2.3.2 Perona-Malik各向异性扩散方程 | 第22-27页 |
| 2.4 研究区的各向异性扩散滤波实验 | 第27-29页 |
| 3 标记分水岭分割 | 第29-48页 |
| 3.1 遥感影像分割 | 第29-30页 |
| 3.2 数学形态学 | 第30-37页 |
| 3.2.1 灰度形态学运算 | 第30-34页 |
| 3.2.2 灰度形态学重构 | 第34-37页 |
| 3.3 分水岭算法 | 第37-41页 |
| 3.3.1 分水岭算法原理 | 第37-39页 |
| 3.3.2 分水岭算法数学模型 | 第39-41页 |
| 3.4 基于标记分水岭的分割方法 | 第41-45页 |
| 3.5 研究区的标记分水岭分割实验 | 第45-48页 |
| 4 矿山地物信息提取 | 第48-66页 |
| 4.1 遥感地物的特征分析 | 第48-54页 |
| 4.1.1 特征统计 | 第48-53页 |
| 4.1.2 矿山地物特征分析 | 第53-54页 |
| 4.2 模糊C均值聚类 | 第54-61页 |
| 4.2.1 模糊集理论 | 第55页 |
| 4.2.2 数据集的C划分 | 第55-57页 |
| 4.2.3 模糊C均值聚类算法 | 第57-59页 |
| 4.2.4 针对矿山地物的模糊C均值聚类参数选取 | 第59-61页 |
| 4.3 研究区基于面向对象的矿山分类实验 | 第61-62页 |
| 4.4 精度评价 | 第62-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 研究结论 | 第66-67页 |
| 5.2 研究展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |