| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究意义 | 第10页 |
| 1.2 研究背景 | 第10-11页 |
| 1.3 遥感图像分类的研究现状 | 第11-12页 |
| 1.4 本论文的研究工作及结构安排 | 第12-14页 |
| 1.4.1 主要研究工作 | 第12页 |
| 1.4.2 本文结构安排 | 第12-14页 |
| 第二章 张家口山区遥感图像预处理 | 第14-24页 |
| 2.1 大气校正 | 第14-16页 |
| 2.2 几何校正 | 第16-18页 |
| 2.3 遥感图像融合 | 第18-20页 |
| 2.4 基于噪声检测的自适应中值滤波算法 | 第20-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 基于独立分量分析算法的图像混合像元分离 | 第24-34页 |
| 3.1 独立分量分析的基本原理 | 第24页 |
| 3.2 数据预处理 | 第24-25页 |
| 3.3 独立分量分析算法的基本概念 | 第25-27页 |
| 3.3.1 峭度 | 第25-26页 |
| 3.3.2 KL散度 | 第26页 |
| 3.3.3 负熵 | 第26-27页 |
| 3.4 独立分量分析算法实现 | 第27-30页 |
| 3.4.1 目标函数 | 第27-29页 |
| 3.4.2 优化算法 | 第29-30页 |
| 3.5 山区遥感图像混合像元分解分析 | 第30-32页 |
| 3.6 实验结果分析 | 第32-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 基于ISODATA和贝叶斯算法的山区遥感图像分类 | 第34-40页 |
| 4.1 基于ISODATA算法的山区遥感图像分类 | 第34-37页 |
| 4.1.1 ISODATA的基本原理 | 第34-35页 |
| 4.1.2 ISODATA用于山区遥感图像的分类 | 第35页 |
| 4.1.3 实验结果及分析 | 第35-37页 |
| 4.2 基于贝叶斯的山区遥感图像分类 | 第37-39页 |
| 4.2.1 贝叶斯分类的基本原理 | 第37-38页 |
| 4.2.2 实验结果及分析 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 改进的基于标记的分水岭图像分割算法 | 第40-48页 |
| 5.1 分水岭算法的基本原理 | 第40页 |
| 5.2 图像梯度图像的生成 | 第40-42页 |
| 5.3 标记的提取 | 第42-47页 |
| 5.3.1 形态学重构 | 第42-45页 |
| 5.3.2 标记的提取 | 第45-46页 |
| 5.3.3 基于标记的分水岭分割 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 基于模糊等价矩阵的模糊C均值聚类 | 第48-54页 |
| 6.1 模糊C均值聚类 | 第48-50页 |
| 6.2 模糊等价矩阵的建立 | 第50-51页 |
| 6.3 实验结果及分析 | 第51-52页 |
| 6.4 本章小结 | 第52-54页 |
| 第七章 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间所取得的相关科研成果 | 第60-62页 |
| 致谢 | 第62-63页 |