声明
摘要
第一章 绪论
1.1 研究意义
1.1.1 研究背景
1.1.2 研究方向
1.2 图像分割方法研究现状
1.2.1 经典的图像分割方法
1.2.2 基于特定理论的图像分割方法
1.3 本文主要研究内容
1.4 论文组织结构
第二章 遥感图像及相关处理方法
2.1 不同探测通道的遥感图像
2.1.1 可见光图像(vrs)
2.1.2 红外云图(IR)
2.1.3 水汽图像(WV)
2.2 云系特征
2.3 FCM算法概述及评价方法
2.3.1 FCM算法介绍
2.3.2 相似度度量方法
2.3.3 聚类结果质量评价方法
2.4 数学形态学
2.4.1 膨胀与腐蚀
2.4.2 开运算与闭运算
2.5 本章小结
第三章 改进的模糊C均值算法
3.1 传统模糊C均值算法存在的缺点
3.2 改进的模糊C均值算法的实现
3.2.1 指数模糊C均值(EFFCM)算法的实现
3.2.2 基于反馈多尺度模糊C均值(FMFCM)算法的实现
3.2.3 基于反馈多尺度指数模糊c均值(FMEFFCM)算法的实现
3.3 实验与分析
3.3.1 指数模糊C均值算法实验与分析
3.3.2 基于反馈多尺度模糊C均值算法实验与分析
3.3.3 基于反馈多尺度指数模糊C均值算法实验与分析
3.4 本章小结
第四章 基于模糊原理的密度算法
4.1 引言
4.2 密度(DBSCAN3算法概述
4.3 改进的密度算法介绍
4.3.1 密度(DBSCAN)算法存在的缺陷
4.3.2 基于模糊原理的密度算法
4.3.3 算法描述
4.4 基于Radon变换的密度分类算法
4.5 实验与分析
4.5.1 模糊-密度算法实验与分析
4.5.2 基于Radon变换的密度分类算法实验与分析
4.6 本章小结
第五章 航拍遥感图像聚类实验与分析
5.1 航拍遥感图像简介
5.2 全色图像EFFCM聚类实验与分析
5.3 全色图像FMFCM聚类实验与分析
5.4 多光谱图像FMEFFCM聚类实验与分析
5.5 本章小结
第六章 遥感图像聚类软件设计
6.1 软件开发环境介绍
6.2 软件界面设计及运行结果
6.2.1 软件界面设计
6.2.2 运行结果
6.3 本章小结
第七章 总结
7.1 本文工作总结
7.2 展望
致谢
参考文献
作者简介