海岸带地物的面向对象分类算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究进展 | 第10-13页 |
| ·面向对象分类的研究进展 | 第10-13页 |
| ·面向对象分类方法在海岸带分类中的研究进展 | 第13页 |
| ·本论文研究内容和创新 | 第13-14页 |
| ·论文的篇章结构 | 第14-15页 |
| 第二章 基于纹元的海岸带面向对象分类 | 第15-41页 |
| ·常规的基于纹元的海岸带面向对象分类的提取流程 | 第15-16页 |
| ·图像分割 | 第16-23页 |
| ·多维梯度 | 第19-20页 |
| ·H-minima | 第20-22页 |
| ·色彩模型转换 | 第22-23页 |
| ·纹元直方图的生成 | 第23-26页 |
| ·Gabor滤波 | 第23-24页 |
| ·非负矩阵分解 | 第24-25页 |
| ·纹元直方图的计算 | 第25-26页 |
| ·朴素贝叶斯分类 | 第26-30页 |
| ·贝叶斯定理 | 第27页 |
| ·贝叶斯判别准则 | 第27页 |
| ·朴素贝叶斯分类 | 第27-30页 |
| ·分类结果的处理 | 第30页 |
| ·试验结果及其分析 | 第30-40页 |
| ·研究区域和数据 | 第30-32页 |
| ·试验方法 | 第32-36页 |
| ·结果与精度评定 | 第36-40页 |
| ·小结 | 第40-41页 |
| 第三章 改进的基于纹元的面向对象分类模型 | 第41-54页 |
| ·改进的基于纹元的面向对象分类模型的提取流程 | 第41-42页 |
| ·结构张量 | 第42-43页 |
| ·多尺度结构张量 | 第43页 |
| ·PM扩散滤波 | 第43-44页 |
| ·结构张量的迹 | 第44页 |
| ·KL散度 | 第44-45页 |
| ·纹理特征算子 | 第45-46页 |
| ·试验结果及其分析 | 第46-52页 |
| ·研究区域和数据 | 第46-47页 |
| ·试验方法 | 第47-50页 |
| ·结果与精度评定 | 第50-52页 |
| ·小结 | 第52-54页 |
| 第四章 基于LBP的海岸带地物提取 | 第54-69页 |
| ·基于LBP的海岸带地物提取流程 | 第54-55页 |
| ·LBP纹理 | 第55-57页 |
| ·小波变换 | 第57-59页 |
| ·几何特征的计算 | 第59页 |
| ·区域圆形度提取 | 第59页 |
| ·区域伸长度 | 第59页 |
| ·BP神经网络聚类 | 第59-63页 |
| ·神经元模型 | 第60-61页 |
| ·单层感知器 | 第61页 |
| ·多层感知器与BP神经网络 | 第61-63页 |
| ·试验结果及分析 | 第63-67页 |
| ·试验数据简介 | 第63-64页 |
| ·养殖池塘的LBP纹理分析 | 第64-65页 |
| ·养殖池塘的提取结果 | 第65-66页 |
| ·其它地物的基于LBP纹理提取的结果 | 第66-67页 |
| ·小结 | 第67-69页 |
| 第五章 结论与展望 | 第69-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |
