| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 影像一型模糊分割 | 第11-12页 |
| 1.2.2 二型模糊理论及其应用 | 第12-19页 |
| 1.3 研究内容与技术路线 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 2 二型模糊理论 | 第22-38页 |
| 2.1 一型模糊集合理论 | 第22-28页 |
| 2.1.1 模糊集合 | 第22-23页 |
| 2.1.2 常见的隶属函数 | 第23-25页 |
| 2.1.3 扩展定理 | 第25-28页 |
| 2.2 二型模糊集合 | 第28-33页 |
| 2.2.1 相关定义 | 第28-30页 |
| 2.2.2 高斯型主隶属函数 | 第30-32页 |
| 2.2.3 区间二型模糊隶属函数和高斯二型模糊隶属函数 | 第32-33页 |
| 2.3 区间二型模糊集合运算 | 第33-34页 |
| 2.4 区间二型模糊集降型 | 第34-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 高分辨率遥感影像同质区域模糊模型 | 第38-47页 |
| 3.1 同质区域一型模糊隶属函数模型 | 第38-40页 |
| 3.2 同质区域区间二型模糊隶属函数模型 | 第40-45页 |
| 3.2.1 具有不确定均值的区间二型模糊隶属函数模型 | 第41-43页 |
| 3.2.2 具有不确定标准差的区间二型模糊隶属函数模型 | 第43-44页 |
| 3.2.3 具有不确定均值和不确定标准差的区间二型模糊隶属函数模型 | 第44-45页 |
| 3.3 本章小结 | 第45-47页 |
| 4 遥感影像分割决策模型 | 第47-56页 |
| 4.1 加权平均法分割决策模型 | 第48-50页 |
| 4.2 模糊线性神经网络法分割决策模型 | 第50-52页 |
| 4.3 融入邻域像素相关性的分割决策模型 | 第52-54页 |
| 4.4 算法流程 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 实验与讨论 | 第56-97页 |
| 5.1 区间二型模糊模型FOU范围对分割精度影响规律分析 | 第56-69页 |
| 5.1.1 实验数据与区间二型模糊模型的构建 | 第56-59页 |
| 5.1.2 加权平均法中FOU范围对分割精度的影响 | 第59-64页 |
| 5.1.3 模糊线性神经网络法中FOU范围对分割精度的影响 | 第64-69页 |
| 5.2 区间二型模糊分割决策方法对比试验 | 第69-95页 |
| 5.2.1 合成高分辨率遥感影像实验结果与分析 | 第69-78页 |
| 5.2.2 真实高分辨率遥感影像实验结果与分析 | 第78-95页 |
| 5.3 本章小结 | 第95-97页 |
| 6 结论与展望 | 第97-101页 |
| 6.1 结论 | 第97-98页 |
| 6.2 创新点 | 第98-99页 |
| 6.3 展望 | 第99-101页 |
| 参考文献 | 第101-109页 |
| 作者简历 | 第109-112页 |
| 学位论文数据集 | 第112页 |
