| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第8-22页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 图像分割概述 | 第10-20页 |
| 1.2.1 图像分割的定义 | 第11-12页 |
| 1.2.2 颜色空间 | 第12-17页 |
| 1.2.3 遥感图像 | 第17-18页 |
| 1.2.4 图像分割相关技术 | 第18-20页 |
| 1.3 论文主要研究内容 | 第20-21页 |
| 1.4 论文组织结构 | 第21-22页 |
| 第2章 云模型 | 第22-36页 |
| 2.1 云模型简介 | 第22-26页 |
| 2.1.1 云模型的定义及性质 | 第23-24页 |
| 2.1.2 云模型的数值特征 | 第24页 |
| 2.1.3 云模型的“3En”规则 | 第24-26页 |
| 2.2 云变换算法 | 第26-35页 |
| 2.2.1 正向云变换算法 | 第26-28页 |
| 2.2.2 逆向云变换算法 | 第28-33页 |
| 2.2.3 启发式高斯云变换算法 | 第33-34页 |
| 2.2.4 自适应高斯云变换算法 | 第34-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第3章 基于云模型和空间信息的多粒度彩色图像分割 | 第36-47页 |
| 3.1 颜色空间的选择与量化 | 第36-38页 |
| 3.1.1 颜色空间的选择 | 第36-37页 |
| 3.1.2 颜色空间的量化 | 第37-38页 |
| 3.2 多粒度计算 | 第38-39页 |
| 3.3 空间信息 | 第39-41页 |
| 3.3.1 基于图像的空间信息 | 第39-40页 |
| 3.3.2 区域合并 | 第40-41页 |
| 3.4 算法流程 | 第41-42页 |
| 3.5 实验仿真分析 | 第42-46页 |
| 3.5.1 本文方法与FCM、K-MEANS算法实验对比 | 第43-44页 |
| 3.5.2 本文方法与其他算法实验对比 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于高斯云变换的遥感图像分割 | 第47-57页 |
| 4.1 高斯混合模型 | 第47-49页 |
| 4.2 改进自适应高斯云变化算法 | 第49-52页 |
| 4.2.1 改进A-GCT算法的效率 | 第49-50页 |
| 4.2.2 改进A-GCT算法的自适应策略 | 第50-51页 |
| 4.2.3 算法流程 | 第51-52页 |
| 4.3 实验仿真分析 | 第52-56页 |
| 4.3.1 本文方法与A-GCT算法实验对比 | 第52-54页 |
| 4.3.2 本文方法与其他算法实验对比 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻硕期间从事的科研工作及取得的研究成果 | 第64页 |