基于模糊聚类的SAR图像分割算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 图像分割的发展现状 | 第9-11页 |
| 1.2.2 模糊聚类算法的发展现状 | 第11-12页 |
| 1.3 主要研究内容及文章结构 | 第12-14页 |
| 2 图像分割理论基础 | 第14-20页 |
| 2.1 图像分割概念 | 第14页 |
| 2.2 经典图像分割算法 | 第14-19页 |
| 2.2.1 基于阈值分割的方法 | 第14-15页 |
| 2.2.2 基于边缘检测的方法 | 第15页 |
| 2.2.3 基于区域分割的方法 | 第15-16页 |
| 2.2.4 其它图像分割方法 | 第16-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 模糊聚类分析图像分割理论基础 | 第20-30页 |
| 3.1 模糊集理论 | 第20-22页 |
| 3.1.1 模糊集理论简介 | 第20-21页 |
| 3.1.2 模糊理论在图像处理中的应用 | 第21-22页 |
| 3.2 聚类分析 | 第22-25页 |
| 3.2.1 聚类分析简介 | 第22-23页 |
| 3.2.2 常用的聚类分析算法 | 第23-25页 |
| 3.3 模糊C-均值算法 | 第25-28页 |
| 3.4 模糊C-均值聚类图像分割的应用和发展 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 结合Gamma模型的模糊聚类图像分割 | 第30-40页 |
| 4.1 FCM算法的基本原理 | 第30-31页 |
| 4.2 FCM算法的发展过程 | 第31-33页 |
| 4.3 结合Gamma模型的模糊聚类算法描述 | 第33-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 实验结果及分析 | 第40-47页 |
| 5.1 模拟图像分割 | 第40-42页 |
| 5.2 真实SAR图像分割 | 第42-46页 |
| 5.3 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 作者简历 | 第53-55页 |
| 学位论文数据集 | 第55页 |
