| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 变量注释表 | 第14-15页 |
| 1 绪论 | 第15-22页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 图像分割的研究现状 | 第16-19页 |
| 1.3 谱聚类算法发展与现状 | 第19-20页 |
| 1.4 论文内容和工作安排 | 第20-22页 |
| 2 谱聚类图像分割算法概述 | 第22-27页 |
| 2.1 图像分割理论基础 | 第22页 |
| 2.2 谱聚类 | 第22-25页 |
| 2.3 谱聚类算法框架 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 改进的相似度矩阵的构造 | 第27-37页 |
| 3.1 相似度矩阵概述 | 第27页 |
| 3.2 图像的纹理信息描述 | 第27-31页 |
| 3.3 基于余弦距离的相似度矩阵 | 第31-32页 |
| 3.4 Nystr?m的逼近策略 | 第32-35页 |
| 3.5 本章小结 | 第35-37页 |
| 4 优化的K-means算法与优化的粒子群算法的结合 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 优化的k-means算法 | 第37-40页 |
| 4.3 优化的粒子群算法 | 第40-44页 |
| 4.4 优化的k-means算法与优化的粒子群算法结合的聚类 | 第44-46页 |
| 4.5 改进谱聚类算法步骤 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 5 实验与分析 | 第49-58页 |
| 5.1 标准测试图像实验 | 第49-53页 |
| 5.2 遥感图像 | 第53-56页 |
| 5.3 本章小结 | 第56-58页 |
| 6 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简历 | 第63-65页 |
| 学位论文数据集 | 第65页 |