| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究的目的和意义 | 第8-11页 |
| 1.2 课题研究进展及其现状 | 第11-14页 |
| 1.3 本课题研究的内容 | 第14-16页 |
| 第二章 图像分割 | 第16-23页 |
| 2.1 图像分割的定义 | 第16页 |
| 2.2 图像分割的目的和意义 | 第16-17页 |
| 2.3 图像分割的研究内容 | 第17-18页 |
| 2.4 图像分割的分类 | 第18-23页 |
| 2.4.1 基于阈值的分割方法 | 第18-19页 |
| 2.4.2 基于边缘的分割方法 | 第19-20页 |
| 2.4.3 基于区域的分割方法 | 第20页 |
| 2.4.4 结合其他方法模型的分割方法 | 第20-23页 |
| 第三章 算法介绍 | 第23-34页 |
| 3.1 Ｋ-means 算法 | 第23-27页 |
| 3.1.1 K-means 算法的概念 | 第23-24页 |
| 3.1.2 K-means 算法的主要思想 | 第24-25页 |
| 3.1.3 K-means 算法的最佳判别准则函数 | 第25-26页 |
| 3.1.4 K-means 算法的性能 | 第26-27页 |
| 3.2 最大类间方差算法 | 第27-31页 |
| 3.2.1 最大类间方差算法的概念 | 第27-28页 |
| 3.2.2 最大类间方差算法的理论内容 | 第28-30页 |
| 3.2.3 最大类间方差算法中最优阈值 T*的判定 | 第30-31页 |
| 3.2.4 最大类间方差算法的性能 | 第31页 |
| 3.3 水平集算法 | 第31-34页 |
| 3.3.1 水平集算法的基本概念 | 第31-32页 |
| 3.3.2 水平集算法的主要思想 | 第32-33页 |
| 3.3.3 水平集算法的特点与改进 | 第33-34页 |
| 第四章 基于 Otsu 和 k-均值聚类相结合的遥感图像分割算法 | 第34-42页 |
| 4.1 算法简介 | 第34页 |
| 4.2 算法描述 | 第34-35页 |
| 4.2.1 算法流程 | 第34-35页 |
| 4.2.2 算法特点 | 第35页 |
| 4.3 实验仿真结果与分析 | 第35-41页 |
| 4.3.1 实验仿真结果 | 第35-41页 |
| 4.4 结论 | 第41-42页 |
| 第五章 一种基于 k 均值的多相位水平集遥感图像分割方法 | 第42-50页 |
| 5.1 算法简介 | 第42页 |
| 5.2 本章提出的改进的四相位水平集算法模型 | 第42-46页 |
| 5.2.1 经典的四相位水平集算法模型 | 第43-44页 |
| 5.2.2 改进的多相位 c-v 模型 | 第44-45页 |
| 5.2.3 改进的能量泛函 | 第45-46页 |
| 5.3 本章提出的分割算法 | 第46-47页 |
| 5.4 实验结果与分析 | 第47-49页 |
| 5.5 结束语 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 论文发表情况 | 第57-58页 |
| 致谢 | 第58页 |
