| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究方向 | 第9页 |
| 1.2 图像分割方法研究现状 | 第9-13页 |
| 1.2.1 经典的图像分割方法 | 第10-11页 |
| 1.2.2 基于特定理论的图像分割方法 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 遥感图像及相关处理方法 | 第16-30页 |
| 2.1 不同探测通道的遥感图像 | 第16-18页 |
| 2.1.1 可见光图像(VIS) | 第16-17页 |
| 2.1.2 红外云图(IR) | 第17-18页 |
| 2.1.3 水汽图像(WV) | 第18页 |
| 2.2 云系特征 | 第18-20页 |
| 2.3 FCM算法概述及评价方法 | 第20-26页 |
| 2.3.1 FCM算法介绍 | 第20-23页 |
| 2.3.2 相似度度量方法 | 第23-24页 |
| 2.3.3 聚类结果质量评价方法 | 第24-26页 |
| 2.4 数学形态学 | 第26-29页 |
| 2.4.1 膨胀与腐蚀 | 第26-27页 |
| 2.4.2 开运算与闭运算 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 改进的模糊C均值算法 | 第30-46页 |
| 3.1 传统模糊C均值算法存在的缺点 | 第30页 |
| 3.2 改进的模糊C均值算法的实现 | 第30-37页 |
| 3.2.1 指数模糊C均值(EFFCM)算法的实现 | 第30-32页 |
| 3.2.2 基于反馈多尺度模糊C均值(FMFCM)算法的实现 | 第32-36页 |
| 3.2.3 基于反馈多尺度指数模糊C均值(FMEFFCM)算法的实现 | 第36-37页 |
| 3.3 实验与分析 | 第37-45页 |
| 3.3.1 指数模糊C均值算法实验与分析 | 第37-40页 |
| 3.3.2 基于反馈多尺度模糊C均值算法实验与分析 | 第40-41页 |
| 3.3.3 基于反馈多尺度指数模糊C均值算法实验与分析 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于模糊原理的密度算法 | 第46-63页 |
| 4.1 引言 | 第46页 |
| 4.2 密度(DBSCAN)算法概述 | 第46-48页 |
| 4.3 改进的密度算法介绍 | 第48-51页 |
| 4.3.1 密度(DBSCAN)算法存在的缺陷 | 第48-49页 |
| 4.3.2 基于模糊原理的密度算法 | 第49-50页 |
| 4.3.3 算法描述 | 第50-51页 |
| 4.4 基于Radon变换的密度分类算法 | 第51-52页 |
| 4.5 实验与分析 | 第52-61页 |
| 4.5.1 模糊-密度算法实验与分析 | 第52-59页 |
| 4.5.2 基于Radon变换的密度分类算法实验与分析 | 第59-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第五章 航拍遥感图像聚类实验与分析 | 第63-74页 |
| 5.1 航拍遥感图像简介 | 第63页 |
| 5.2 全色图像EFFCM聚类过程实验与分析 | 第63-65页 |
| 5.3 全色图像FMFCM聚类类簇实验与分析 | 第65-70页 |
| 5.4 多光谱图像FMEFFCM聚类实验与分析 | 第70-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 遥感图像聚类软件设计 | 第74-80页 |
| 6.1 软件开发环境介绍 | 第74页 |
| 6.2 软件界面设计及运行结果 | 第74-79页 |
| 6.2.1 软件界面设计 | 第74-76页 |
| 6.2.2 运行结果 | 第76-79页 |
| 6.3 本章小结 | 第79-80页 |
| 第七章 总结 | 第80-82页 |
| 7.1 本文工作总结 | 第80页 |
| 7.2 展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 作者简介 | 第88页 |
