| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·图像分割的算法综述 | 第10-15页 |
| ·基于区域的分割算法 | 第11-12页 |
| ·基于边缘的分割算法 | 第12-13页 |
| ·结合其它方法的分割算法 | 第13-15页 |
| ·图像分割的有效性评价函数 | 第15页 |
| ·图像识别的基本方法 | 第15-19页 |
| ·基于贝叶斯决策理论的分类器 | 第17页 |
| ·基于神经网络的图像识别方法 | 第17-18页 |
| ·基于支持向量机的图像识别 | 第18-19页 |
| ·图像识别结果的评价 | 第19页 |
| ·本文的内容安排 | 第19-21页 |
| 第二章 模糊理论与隐马尔科夫模型及其在图像处理中的应用 | 第21-29页 |
| ·模糊理论基础及其在图像分割中的应用 | 第21-25页 |
| ·模糊集合及隶属函数 | 第21-22页 |
| ·模糊聚类 | 第22-23页 |
| ·模糊 C 均值（FCM）算法 | 第23-24页 |
| ·模糊理论技术在图像分割中的应用 | 第24-25页 |
| ·隐马尔科夫模型理论基础及其在图像处理中的应用 | 第25-29页 |
| ·隐马尔可夫模型 | 第25-26页 |
| ·隐马尔可夫模型的三个基本问题 | 第26-27页 |
| ·隐马尔可夫模型在图像处理中的应用 | 第27-29页 |
| 第三章 结合空间邻域信息的 FCM 遥感图像分割算法 | 第29-35页 |
| ·引言 | 第29-30页 |
| ·模糊 C 均值（FCM）算法 | 第30页 |
| ·结合空间邻域信息的 FCM 遥感图像分割方法 | 第30-32页 |
| ·引入噪声影响因子β | 第31-32页 |
| ·结合空间邻域信息的 FCM 遥感图像分割算法步骤 | 第32页 |
| ·实验结果与分析 | 第32-34页 |
| ·图像分割结果 | 第32-33页 |
| ·算法的有效性评价函数 | 第33-34页 |
| ·算法的迭代次数 | 第34页 |
| ·噪声影响因子β对分割结果的影响 | 第34页 |
| ·结论 | 第34-35页 |
| 第四章 基于微正则退火与改进型FCM 结合的遥感图像分割算法 | 第35-40页 |
| ·引言 | 第35页 |
| ·结合空间邻域信息的遥感图像分割算法步骤 | 第35-36页 |
| ·基于微正则退火与改进型FCM 结合的遥感图像分割算法 | 第36-37页 |
| ·微正则退火算法原理 | 第36页 |
| ·基于微正则退火与改进型 FCM 结合的遥感图像分割算法实现 | 第36-37页 |
| ·实验结果与分析 | 第37-39页 |
| ·图像分割结果 | 第37-38页 |
| ·算法的有效性评价函数 | 第38页 |
| ·算法的迭代次数 | 第38-39页 |
| ·算法稳定性比较 | 第39页 |
| ·结论 | 第39-40页 |
| 第五章 基于图元的隐马尔科夫模型和粒子群优化算法的手写数字识别 | 第40-47页 |
| ·引言 | 第40-41页 |
| ·理论知识的介绍 | 第41-42页 |
| ·图元的定义 | 第41页 |
| ·粒子群优化算法（PSO）的原理 | 第41-42页 |
| ·基于HMM 和PSO 的手写数字识别模型 | 第42-44页 |
| ·特征提取 | 第42-43页 |
| ·基于 PSO 的 HMM 参数估计算法 | 第43-44页 |
| ·基于HMM 和PSO 的手写数字识别算法的设计与实现 | 第44-45页 |
| ·模型选定 | 第44页 |
| ·识别算法流程 | 第44-45页 |
| ·实验结果与讨论 | 第45-46页 |
| ·结论 | 第46-47页 |
| 第六章 总结与展望 | 第47-50页 |
| ·总结 | 第47-48页 |
| ·工作展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士研究生期间发表论文的情况 | 第51-52页 |
| 参考文献 | 第52-56页 |
