图像分割算法在SAR图像中的研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第8-9页 |
| 缩略语对照表 | 第9-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 SAR图像分割研究的发展现状 | 第14-17页 |
| 1.2.1 SAR图像分割的难点 | 第14-15页 |
| 1.2.2 图像分割定义 | 第15-16页 |
| 1.2.3 SAR图像分割方法 | 第16-17页 |
| 1.3 本文工作及章节安排 | 第17-18页 |
| 第二章 SAR图像成像机理及其统计特性 | 第18-28页 |
| 2.1 SAR图像的成像原理 | 第18-20页 |
| 2.2 相干斑噪声的形成机理 | 第20-22页 |
| 2.3 SAR图像的相关统计特性 | 第22-25页 |
| 2.3.1 瑞利相干斑模型 | 第23-24页 |
| 2.3.2 多视相干斑模型 | 第24-25页 |
| 2.3.3 空域相干斑噪声模型 | 第25页 |
| 2.4 SAR图像处理的一般过程 | 第25-28页 |
| 第三章 基于马尔可夫随机场的分割算法 | 第28-38页 |
| 3.1 马尔可夫随机场模型的发展史 | 第28页 |
| 3.2 MRF模型与SAR图像 | 第28-29页 |
| 3.3 图像中像素间的基本关系 | 第29-30页 |
| 3.4 马尔可夫随机场模型的数学描述 | 第30-33页 |
| 3.5 Gibbs随机场 | 第33-34页 |
| 3.6 仿真实验及分析 | 第34-38页 |
| 第四章 模糊c均值分割算法基础 | 第38-50页 |
| 4.1 模糊c均值聚类 | 第38-42页 |
| 4.1.1 聚类 | 第38-39页 |
| 4.1.2 模糊c划分 | 第39-40页 |
| 4.1.3 模糊c均值聚类 | 第40-42页 |
| 4.2 基于模糊c均值的图像分割算法 | 第42-45页 |
| 4.2.1 基于模糊c均值的图像分割 | 第42-43页 |
| 4.2.2 模糊c均值算法中存在的问题 | 第43-45页 |
| 4.3 已有的改进FCM聚类算法 | 第45-47页 |
| 4.4 仿真实验及分析 | 第47页 |
| 4.5 本章小结 | 第47-50页 |
| 第五章 基于人工免疫系统的算法基础 | 第50-60页 |
| 5.1 人工免疫系统的生物模型 | 第50-51页 |
| 5.2 人工免疫系统相关知识和算法模型 | 第51-53页 |
| 5.3 仿真实验及分析 | 第53-54页 |
| 5.4 仿真实验及对比结果分析 | 第54-58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文主要工作与总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |
