| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·遥感图像分类的特点 | 第11-13页 |
| ·遥感图像的大数据量及波段相关性 | 第11-12页 |
| ·遥感图像分类中的不确定性 | 第12-13页 |
| ·国内外研究现状和发展趋势 | 第13-16页 |
| ·遥感图像分类的研究现状 | 第13-15页 |
| ·遥感图像分类的发展趋势 | 第15-16页 |
| ·本文主要工作 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第二章 粗糙集理论的基本原理及其在遥感图像中的应用 | 第18-30页 |
| ·经典集与等价关系 | 第18-19页 |
| ·粗糙集及其近似 | 第19-20页 |
| ·信息系统与属性约简 | 第20-23页 |
| ·信息系统 | 第20-21页 |
| ·信息系统的属性约简 | 第21-23页 |
| ·决策信息系统 | 第23-25页 |
| ·属性的离散化 | 第25-28页 |
| ·离散化问题的描述 | 第26页 |
| ·离散化方法的分类 | 第26-28页 |
| ·粗糙集理论在遥感影像分类中的应用 | 第28-30页 |
| 第三章 Markov随机场理论 | 第30-41页 |
| ·Markov随机场与Gibbs分布 | 第30-34页 |
| ·邻域系统及势团 | 第30-32页 |
| ·Markov随机场 | 第32页 |
| ·Gibbs随机场 | 第32-33页 |
| ·MRF与GRF的等价关系 | 第33-34页 |
| ·几种常用的MRF模型 | 第34-36页 |
| ·自动模型 | 第34-35页 |
| ·MLL模型 | 第35-36页 |
| ·分层GRF模型 | 第36页 |
| ·MAP-MRF框架及求解 | 第36-41页 |
| ·MAP-MRF框架体系 | 第36-37页 |
| ·求解方法—SA算法 | 第37-38页 |
| ·算法步骤及仿真实验结果 | 第38-41页 |
| 第四章 基于粗糙集理论的多光谱遥感图像的光谱约简 | 第41-56页 |
| ·多光谱波段选择常用方法 | 第41-44页 |
| ·基于粗糙集的光谱约简算法设计 | 第44-47页 |
| ·遥感影像光谱向量的离散化 | 第44-46页 |
| ·光谱约简算法步骤 | 第46-47页 |
| ·仿真实验结果及分析 | 第47-55页 |
| ·多光谱图像仿真实验 | 第47-52页 |
| ·高光谱图像仿真实验 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于粗糙集理论与Markov随机场的图像分类算法 | 第56-74页 |
| ·高斯混合模型及EM算法 | 第56-58页 |
| ·基于粗糙集理论的非监督图像分类算法 | 第58-60页 |
| ·高斯混合模型初始参数获取 | 第58-59页 |
| ·非监督图像分类中分类数的确定 | 第59-60页 |
| ·基于粗糙集理论和Markov随机场的非监督遥感图像分类算法 | 第60-69页 |
| ·空间约束关系 | 第60-61页 |
| ·算法步骤 | 第61页 |
| ·实验结果 | 第61-67页 |
| ·实验分析 | 第67-69页 |
| ·算法抗噪声性能测试及分析 | 第69-72页 |
| ·本章小结 | 第72-74页 |
| 第六章 总结 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻硕期间取得的研究成果 | 第80页 |
