| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-12页 |
| 图目录 | 第12-14页 |
| 表目录 | 第14-15页 |
| 第一章 绪论 | 第15-29页 |
| ·研究背景及意义 | 第15-17页 |
| ·研究内容与方法 | 第17-19页 |
| ·研究目标 | 第17-18页 |
| ·关键问题 | 第18页 |
| ·研究方法 | 第18-19页 |
| ·文献分析及国内外研究现状 | 第19-27页 |
| ·图像分割与分类的定义 | 第19-20页 |
| ·模糊C均值聚类方法 | 第20页 |
| ·上下文分类方法 | 第20页 |
| ·基于MRF方法图像分割的国内外研究现状 | 第20-22页 |
| ·基于MRF遥感影像分类的国内外研究现状 | 第22-26页 |
| ·基于MRF模型特征提取后再分类 | 第23页 |
| ·基于单尺度MRF模型的遥感影像分类 | 第23-24页 |
| ·基于多尺度MRF模型的遥感影像分类 | 第24-26页 |
| ·结合语义信息的MRF模型的影像分类 | 第26页 |
| ·文献总结 | 第26-27页 |
| ·论文的实验安排和章节安排 | 第27-29页 |
| ·实验安排 | 第27-28页 |
| ·章节安排 | 第28-29页 |
| 第二章 结合贝叶斯决策论的MRF图像分类理论 | 第29-51页 |
| ·图像分析中的标记问题 | 第29-30页 |
| ·二维数字图像的格网集合 | 第29-30页 |
| ·图像标记问题的理解 | 第30页 |
| ·邻域系统和基团 | 第30-33页 |
| ·邻域系统 | 第31-32页 |
| ·基团 | 第32-33页 |
| ·Markov随机场和Gibbs随机场 | 第33-36页 |
| ·一维马尔科夫链 | 第33-34页 |
| ·马尔科夫随机场 | 第34页 |
| ·Gibbs随机场 | 第34-35页 |
| ·Markov-Gibbs的等价性 | 第35-36页 |
| ·Markov随机场模型化：MRF模型 | 第36-40页 |
| ·自生模型 | 第36-38页 |
| ·Potts模型 | 第38页 |
| ·多级逻辑模型 | 第38-39页 |
| ·多尺度随机场模型 | 第39-40页 |
| ·贝叶斯决策理论 | 第40-44页 |
| ·贝叶斯估计 | 第40-41页 |
| ·贝叶斯图像分类的最优准则 | 第41-44页 |
| ·最大后验准则(MAP) | 第42页 |
| ·最大后验间隔准则(MPM) | 第42-43页 |
| ·连续最大后验准则(SMAP) | 第43-44页 |
| ·MAP-MRF Framework | 第44-50页 |
| ·MRF图像分类问题的表示 | 第44-46页 |
| ·MAP概率求解过程 | 第46-48页 |
| ·能量函数最小化优化算法 | 第48-50页 |
| ·模拟退火算法与Gibbs采样 | 第48-49页 |
| ·迭代条件模式算法 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 上下文MRF图像分类模型 | 第51-59页 |
| ·图像空间上下文信息的表示 | 第51页 |
| ·基于MAP-MRF框架的上下文MRF图像分类模型的构建 | 第51-55页 |
| ·观测场模型化：多维高斯分布 | 第52-53页 |
| ·标记场模型化：Potts先验概率模型 | 第53-54页 |
| ·上下文MRF模型图像分类流程 | 第54-55页 |
| ·上下文MRF模型图像分类程序实现 | 第55-58页 |
| ·上下文MRF图像分类模型算法实现步骤 | 第56-57页 |
| ·特征向量矩阵生成过程 | 第57页 |
| ·观测场和标记场能量计算 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第四章 多尺度上下文MRF图像分类模型 | 第59-73页 |
| ·小波变换与多尺度分析 | 第59-64页 |
| ·图像金字塔模型结构 | 第59-60页 |
| ·二维小波变换的定义 | 第60-61页 |
| ·小波Mallat算法与图像多尺度分析 | 第61-64页 |
| ·基于MAP-MRF框架的小波多尺度上下文MRF图像分类模型 | 第64-70页 |
| ·图像小波多尺度序列提取 | 第64-66页 |
| ·小波域多尺度观测场和标记场建模 | 第66-68页 |
| ·小波系数特征场模型化 | 第67页 |
| ·标记场模型化 | 第67-68页 |
| ·小波域MAP概率求解 | 第68页 |
| ·多尺度上下文MRF模型图像分类流程 | 第68-70页 |
| ·多尺度上下文MRF模型图像分类程序实现 | 第70-72页 |
| ·多尺度上下文MRF模型图像分类算法实现步骤 | 第70-71页 |
| ·小波多尺度特征提取子函数(wavedec.m) | 第71-72页 |
| ·标记场大尺度向小尺度映射子函数(zoomout.m) | 第72页 |
| ·本章小结 | 第72-73页 |
| 第五章 研究区域数据准备及精度评估算法 | 第73-83页 |
| ·Landsat TM遥感影像数据介绍 | 第73-74页 |
| ·研究区域数据介绍 | 第74-77页 |
| ·研究区域1(大理洱海南部) | 第74-75页 |
| ·研究区域2(香港大埔区) | 第75-76页 |
| ·研究区域3(丽江拉市海) | 第76-77页 |
| ·图像分类后的精度评估算法 | 第77-82页 |
| ·误差矩阵的建立 | 第78页 |
| ·总体精度和Kappa系数统计 | 第78-79页 |
| ·精度评估算法 | 第79-81页 |
| ·精度评估算法Matlab平台操作过程 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第六章 基于上下文MRF模型的遥感土地利用覆盖分类实验 | 第83-107页 |
| ·遥感土地信息提取分类的意义 | 第83页 |
| ·实验一：不同初始标记对上下文MRF模型图像分类精度的影响 | 第83-94页 |
| ·目视解译定义土地覆盖地物类别 | 第84-85页 |
| ·FCM+上下文MRF模型分类实验结果及分析 | 第85-87页 |
| ·FCM+上下文MRF模型分类结果精度评估分析 | 第87-89页 |
| ·随机标记+上下文MRF模型图像分类实验结果及分析 | 第89-91页 |
| ·两种不同初始标记下分类结果比较与分析 | 第91-93页 |
| ·实验一小结 | 第93-94页 |
| ·实验二：不同能量权重参数对上下文MRF模型分类精度的影响 | 第94-99页 |
| ·能量权重参数对分类的影响分析 | 第94页 |
| ·香港大浦区地物覆盖类别定义 | 第94-95页 |
| ·不同能量权重参数下的实验分类结果及分析 | 第95-98页 |
| ·基于精度评估的定量分析 | 第98页 |
| ·实验二小结 | 第98-99页 |
| ·实验三：不同基团势参数对上下文MRF模型分类精度的影响 | 第99-105页 |
| ·标记场MRF模型中基团势参数的含义 | 第99-100页 |
| ·地物类别定义与Google地图显示地物类别 | 第100-101页 |
| ·不同基团势函数参数下的实验分类结果及分析 | 第101-104页 |
| ·基于精度评估的定量分析 | 第104页 |
| ·分类后地物类别二维散点图 | 第104-105页 |
| ·实验三小结 | 第105页 |
| ·本章小结 | 第105-107页 |
| 第七章 基于MRF模型的合成纹理图像分割实验 | 第107-117页 |
| ·Brodatz纹理库的人工合成二组纹理图像 | 第107-108页 |
| ·实验四：上下文MRF模型对合成纹理图像分割实验 | 第108-112页 |
| ·上下文MRF模型对合成纹理二值图分割实验 | 第108-110页 |
| ·上下文MRF模型对合成纹理图像三值图分割实验 | 第110-112页 |
| ·实验五：多尺度上下文MRF模型对合成纹理图像分割实验 | 第112-115页 |
| ·多尺度上下文MRF模型对合成纹理图像二值图的分割实验 | 第112-114页 |
| ·多尺度上下文MRF模型对合成纹理图像三值图分割实验 | 第114-115页 |
| ·FCM、上下文与多尺度上下文MRF模型分割结果对比分析 | 第115-116页 |
| ·本章小结 | 第116-117页 |
| 第八章 总结和展望 | 第117-122页 |
| ·论文总结 | 第117-120页 |
| ·论文展望 | 第120-122页 |
| 致谢 | 第122-123页 |
| 参考文献 | 第123-132页 |
| 附录 攻读硕士期间发表的学术论文 | 第132页 |
