| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·图像分割算法研究现状 | 第9-11页 |
| ·经典的分割算法 | 第9-10页 |
| ·智能算法研究现状 | 第10-11页 |
| ·论文的主要工作 | 第11-13页 |
| 第二章 基础理论知识 | 第13-18页 |
| ·一维模糊熵理论简介 | 第13-14页 |
| ·微正则退火算法 | 第14-15页 |
| ·EM 算法 | 第15-16页 |
| ·模糊Kohonen 聚类网络 | 第16-18页 |
| 第三章 改进的模糊熵与图像局部信息相结合的遥感图像分割新算法 | 第18-37页 |
| ·引言 | 第18页 |
| ·阈值分割原理 | 第18页 |
| ·基于一维最大模糊熵的图像分割算法研究 | 第18-20页 |
| ·模糊熵介绍 | 第18-19页 |
| ·一维最大模糊熵分割算法 | 第19-20页 |
| ·二维模糊熵阈值分割方法 | 第20-21页 |
| ·微正则退火算法 | 第21-25页 |
| ·微正则退火算法概要 | 第21-23页 |
| ·改进的微正则退火算法 | 第23-24页 |
| ·微正则退火算法的参数分析 | 第24-25页 |
| ·改进的一维模糊熵 | 第25-30页 |
| ·自动宽度选取 | 第25-26页 |
| ·基于微正则退火的一维模糊熵阈值分割算法步骤 | 第26-27页 |
| ·实验结果分析 | 第27-30页 |
| ·灰度直方图 | 第30-33页 |
| ·直方图的基本概念 | 第30-31页 |
| ·直方图重构 | 第31-33页 |
| ·改进的一维模糊熵与图像局部信息相结合的遥感图像分割算法 | 第33-37页 |
| ·分割算法步骤 | 第33-34页 |
| ·实验结果分析 | 第34-37页 |
| 第四章 基于模糊KOHONEN 神经网络的图像分割算法 | 第37-45页 |
| ·Kohonen 神经网络 | 第37-40页 |
| ·Kohonen 神经网络的结构 | 第37-39页 |
| ·Kohonen 神经网络的学习算法 | 第39-40页 |
| ·模糊Kohonen 网络（FKCN） | 第40-41页 |
| ·模糊Kohonen 网络的结构 | 第40页 |
| ·模糊Kohonen 网络的学习算法 | 第40-41页 |
| ·改进的模糊Kohonen 网络 | 第41-45页 |
| ·基于上下截集的模糊Kohonen 网络 | 第41-43页 |
| ·基于加权的模糊Kohonen 网络 | 第43页 |
| ·改进的FKCN 算法（WUDFKCN） | 第43-45页 |
| 第五章 改进的模糊KOHONEN 神经网络图像分割算法 | 第45-58页 |
| ·WUDFKCN 与图像局部信息相结合的遥感图像分割 | 第45-49页 |
| ·算法简介 | 第45-47页 |
| ·实验结果分析 | 第47-49页 |
| ·基于EM 算法改进的模糊Kohonen 神经网络（WEFK） | 第49-54页 |
| ·快速EM 算法简介 | 第49-50页 |
| ·基于快速EM 算法改进的模糊Kohonen 聚类网络 | 第50-52页 |
| ·实验结果分析 | 第52-54页 |
| ·WEFK 与图像局部信息相结合的遥感图像分割新算法 | 第54-58页 |
| ·WEFK 与局部信息相结合的图像分割算法 | 第54-56页 |
| ·实验结果分析 | 第56-58页 |
| 第六章 总结与展望 | 第58-61页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士研究生期间所发表的论文 | 第64-65页 |
| 致谢 | 第65页 |
