| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| 图索引 | 第12-15页 |
| 表索引 | 第15-16页 |
| 1 绪论 | 第16-32页 |
| ·遥感图像分类和去噪的研究现状和意义 | 第18-25页 |
| ·研究背景和意义 | 第18-19页 |
| ·遥感图像分类算法概述和研究现状 | 第19-25页 |
| ·声纳图像去噪的研究现状 | 第25页 |
| ·基于偏微分方程的图像处理技术和应用 | 第25-29页 |
| ·章节安排 | 第29-32页 |
| 2 基于小波变换的偏微分方程方法研究 | 第32-49页 |
| ·小波变换的定义及性质 | 第33-43页 |
| ·小波变换的定义及性质 | 第34-36页 |
| ·常用小波函数 | 第36-37页 |
| ·多分辨率分析 | 第37-39页 |
| ·Mallat算法 | 第39-42页 |
| ·提升小波 | 第42-43页 |
| ·小波收缩去噪与非线性扩散去噪之间的关系 | 第43-48页 |
| ·Haar二维小波收缩去噪分析 | 第45-46页 |
| ·Haar二维小波收缩与非线性扩散之间的关系 | 第46-48页 |
| ·小结 | 第48-49页 |
| 3 基于提升小波变化的方向扩散实现侧扫声纳图像去噪研究 | 第49-75页 |
| ·声纳图像噪声概述 | 第49-50页 |
| ·图像去噪模型和方法 | 第50-55页 |
| ·图像的噪声模型 | 第50页 |
| ·几种常见的去噪方法 | 第50-52页 |
| ·小波图像去噪 | 第52-55页 |
| ·P-M方程、方向扩散方程与自蛇模型 | 第55-62页 |
| ·P-M方程 | 第55-57页 |
| ·基于AOS格式的各向异性扩散 | 第57-58页 |
| ·方向扩散方程 | 第58-60页 |
| ·矢量图像的方向扩散方程 | 第60-61页 |
| ·自蛇模型 | 第61-62页 |
| ·TV复原去噪模型 | 第62-64页 |
| ·TV复原模型 | 第62-63页 |
| ·改进的TV复原模型 | 第63-64页 |
| ·一种基于提升小波的方向扩改进算法 | 第64-65页 |
| ·图像去噪质量评价标准 | 第65-74页 |
| ·实验:基于提升小波的方向扩散算法实现侧扫声纳图像去噪实验 | 第66-73页 |
| ·结论 | 第73-74页 |
| ·小结 | 第74-75页 |
| 4 基于独立分量分析的方向扩散实现遥感图像分类研究 | 第75-132页 |
| ·独立分量分析在遥感图像分类中的应用 | 第77-80页 |
| ·独立成分分析方法概述 | 第77-79页 |
| ·核独立成分分析方法 | 第79-80页 |
| ·遥感图像分类的传统经典算法 | 第80-95页 |
| ·遥感图像分类的传统经典算法 | 第83-84页 |
| ·非监督分类 | 第84-85页 |
| ·监督分类 | 第85-91页 |
| ·监督分类和非监督分类的比较 | 第91-92页 |
| ·本文分类模型流程图(本章所指的方向扩散均为矢量图像的方向扩散) | 第92-95页 |
| ·分类精度评价 | 第95-98页 |
| ·误差来源 | 第95页 |
| ·分类精度评价指标 | 第95-97页 |
| ·分类后处理问题 | 第97-98页 |
| ·基于KICA的方向扩散方法实现遥感TM图像SVM分类研究 | 第98-111页 |
| ·分类精度结果分析 | 第108-110页 |
| ·结论 | 第110-111页 |
| ·基于KICA的方向扩散方法实现航空遥感影像分类研究 | 第111-128页 |
| ·分类精度结果分析 | 第120-123页 |
| ·结论 | 第123-124页 |
| ·方向扩散梯度闽值大小、时间步长大小与分类精度关系 | 第124-128页 |
| ·基于改进停止函数的方向扩散实现航空影像图像ISODATA分类研究 | 第128-131页 |
| ·小结 | 第131-132页 |
| 5 结论与展望 | 第132-138页 |
| ·研究工作总结 | 第132-135页 |
| ·后续工作展望 | 第135-138页 |
| 参考文献 | 第138-145页 |
| 作者简介 | 第145-146页 |
| 攻读硕士期间发表论文 | 第146页 |
