遥感图像纹理特征提取的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·论文研究的背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·纹理特征在遥感分类中的应用与意义 | 第10-11页 |
| ·Gabor 滤波器以及在纹理特征提取中的应用 | 第11页 |
| ·分类器 | 第11-12页 |
| ·论文研究内容 | 第12页 |
| ·论文的结构安排 | 第12-13页 |
| 2 纹理特征 | 第13-28页 |
| ·纹理的一些基本概念 | 第13-22页 |
| ·共生矩阵法 | 第13-17页 |
| ·灰度差分统计方法 | 第17页 |
| ·灰度行程长度统计法 | 第17-18页 |
| ·Tamura 纹理特征 | 第18-19页 |
| ·灰度信息特征 | 第19-22页 |
| ·纹理分析方法 | 第22-23页 |
| ·特征归一化策略 | 第23-26页 |
| ·实验结果 | 第26-27页 |
| ·样本选择 | 第26页 |
| ·特征提取 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 Gabor 滤波器 | 第28-37页 |
| ·Gabor 滤波器的提出 | 第28-29页 |
| ·Gabor 滤波器的构造 | 第29-36页 |
| ·二维Gabor 滤波器 | 第30-33页 |
| ·Gabor 滤波器的几个性质 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 4 Gabor 直方谱纹理特征 | 第37-47页 |
| ·Gabor 方向选择通道 | 第37-38页 |
| ·直方图特征的提取 | 第38-40页 |
| ·Gabor 直方谱特征的提取 | 第40-41页 |
| ·视觉相似性的数学描述 | 第40-41页 |
| ·Gabor 滤波器通道选择 | 第41-43页 |
| ·滤波通道选择准则 | 第42-43页 |
| ·特征提取结果 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 5 分类器 | 第47-54页 |
| ·K-近邻分类算法 | 第47-49页 |
| ·神经网络分类器 | 第49-53页 |
| ·神经网络学习规则 | 第52页 |
| ·神经网络的工作方式 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 6 实验结果 | 第54-56页 |
| 7 全文总结与展望 | 第56-57页 |
| ·论文的主要研究内容 | 第56页 |
| ·论文的特色 | 第56页 |
| ·需要进一步研究的工作 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 1 攻读硕士学位期间发表的论文目录 | 第62页 |
