| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景和研究意义 | 第7-10页 |
| ·研究背景 | 第7-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外发展现状 | 第10-12页 |
| ·本文工作内容 | 第12-15页 |
| ·研究内容 | 第12-13页 |
| ·章节安排 | 第13-15页 |
| 第二章 图像分割理论概述 | 第15-25页 |
| ·图像分割概述 | 第15-17页 |
| ·图像分割的定义 | 第15-16页 |
| ·图像分割的过程 | 第16-17页 |
| ·图像分割算法概述 | 第17-21页 |
| ·基于阈值的分割算法 | 第17-18页 |
| ·基于边缘的分割算法 | 第18-19页 |
| ·基于区域的分割算法 | 第19-20页 |
| ·特定理论的分割算法 | 第20-21页 |
| ·分割结果评价与分析 | 第21-23页 |
| ·图像分割质量评价 | 第21-22页 |
| ·图像分割结果分析 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于 K-Means 聚类算法的遥感图像分割 | 第25-41页 |
| ·传统 K-Means 聚类分割理论 | 第25-31页 |
| ·聚类算法的基本理论 | 第25-28页 |
| ·K-Means 聚类算法的基本思想 | 第28-29页 |
| ·K-Means 聚类算法基本步骤 | 第29-31页 |
| ·K-Means 算法改进 | 第31-34页 |
| ·初始化聚类中心 | 第31-32页 |
| ·利用空间信息优化聚类 | 第32-33页 |
| ·算法流程 | 第33-34页 |
| ·实验结果及分析 | 第34-39页 |
| ·实验结果 | 第34-36页 |
| ·实验结果分析 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于马尔科夫随机场 FCM 聚类算法的遥感图像分割 | 第41-65页 |
| ·传统 FCM 聚类算法 | 第41-47页 |
| ·模糊理论的发展 | 第41-42页 |
| ·模糊集的基本理论 | 第42-43页 |
| ·FCM 算法基本思想 | 第43-46页 |
| ·算法流程 | 第46-47页 |
| ·基于马尔科夫随机场的 FCM 算法 | 第47-57页 |
| ·马尔科夫随机场的基本理论 | 第47-49页 |
| ·隐马尔科夫随机场模型 | 第49-52页 |
| ·模糊 C 均值聚类 | 第52页 |
| ·基于 HMRF 模型的 FCM 方法 | 第52-53页 |
| ·估计 HMRF 模型参数 | 第53-56页 |
| ·彩色空间 | 第56-57页 |
| ·实验结果及分析 | 第57-62页 |
| ·实验结果 | 第57-60页 |
| ·实验结果分析 | 第60-62页 |
| ·本章小结 | 第62-65页 |
| 第五章 总结与展望 | 第65-67页 |
| ·完成工作 | 第65页 |
| ·未来展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |