| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状及存在的问题 | 第9-12页 |
| ·图像分割技术 | 第9-10页 |
| ·遥感图像分割技术国内外研究现状 | 第10页 |
| ·遥感图像分割的问题 | 第10-12页 |
| ·本论文的主要内容与论文结构 | 第12-14页 |
| 第二章 图像分割 | 第14-21页 |
| ·图像分割的概念 | 第14-15页 |
| ·图像分割的方法 | 第15-20页 |
| ·阈值法 | 第15-17页 |
| ·区域法 | 第17-18页 |
| ·边缘检测法 | 第18页 |
| ·其他分割方法 | 第18-20页 |
| ·小结 | 第20-21页 |
| 第三章 主成分分析的基本原理 | 第21-27页 |
| ·基于PCA 子空间的特征提取 | 第21页 |
| ·数据分解和重建 | 第21-24页 |
| ·数据降维和误差分析 | 第24-25页 |
| ·主成分分析算法具体步骤 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于主成分分析和脉冲耦合神经网络的遥感图像分割 | 第27-46页 |
| ·脉冲耦合神经网络的基本模型 | 第27-32页 |
| ·Eckhorn神经元模型 | 第27-30页 |
| ·脉冲耦合神经网络模型 | 第30-32页 |
| ·脉冲耦合神经网络的工作原理 | 第32-34页 |
| ·无耦合链接情况下的PCNN 运行行为 | 第32-33页 |
| ·耦合链接的情况下的PCNN 运行行为 | 第33-34页 |
| ·脉冲耦合神经网络的基本特性及应用 | 第34-39页 |
| ·脉冲耦合神经网络的基本特性 | 第34-37页 |
| ·脉冲耦合神经网络的应用 | 第37-39页 |
| ·基于脉冲耦合神经网络的图像分割 | 第39-40页 |
| ·基于PCA 与PCNN 的遥感图像分割 | 第40-45页 |
| ·基于PCA 与PCNN 的遥感图像分割改进算法 | 第41-42页 |
| ·实验结果及讨论 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于主成分分析和模糊C 均值的遥感图像分割 | 第46-56页 |
| ·模糊C 均值聚类算法 | 第46-50页 |
| ·模糊C 均值聚类算法的实现 | 第46-48页 |
| ·模糊C 均值聚类算法的具体步骤 | 第48-49页 |
| ·模糊C 均值聚类算法的优缺点 | 第49-50页 |
| ·模糊C 均值的图像分割 | 第50-51页 |
| ·基于主成分分析和模糊C 均值的遥感图像分割 | 第51-54页 |
| ·基于PCA 与FCM 的遥感图像分割改进算法 | 第51-52页 |
| ·实验结果及讨论 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士研究生期间发表论文的情况 | 第61-62页 |
| 致谢 | 第62页 |