需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：14311 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：在面向?qū)ο筮b感圖像處理方法中圖像色彩辨別是非常重要的一部分，分割的好壞與否直接影響到后續(xù)的識(shí)別、分析和解譯等的精度，它是進(jìn)行圖像分析的關(guān)鍵。 在進(jìn)行圖像色彩辨別時(shí)，特征可能會(huì)被錯(cuò)分，或者一個(gè)特征可能被分成許多小部分。通常無(wú)論用什么方法來分割，這個(gè)問題都難以避免，此時(shí)須通過合并（Merging）,改善對(duì)地物界線的描繪，并且通過合并來解決過度分割的問題。 本文結(jié)合遙感圖像的空間拓?fù)潢P(guān)系、光譜以及紋理，提出一種新的區(qū)域合并算法用來解決遙感圖像過度分割的問題。圍繞這一問題，本文進(jìn)行了如下研究： 首先介紹了面向?qū)ο蠓诸惣夹g(shù)以及空間聚類技術(shù)，然后分析了遙感圖像分割后各分塊的光譜，紋理和形狀特征，提出了綜合這三者的區(qū)域合并算法。最后以一副分割遙感圖像為實(shí)例，進(jìn)行區(qū)域合并，并對(duì)合并后的結(jié)果進(jìn)行了評(píng)價(jià)。 該方法采用一種基本的圖像分割方法得到初始分割結(jié)果，掃描分割區(qū)域建立分割塊之間的鄰接關(guān)系，繼而在此基礎(chǔ)上先后加入光譜、紋理、形狀等特征進(jìn)行合并調(diào)整，形成另一個(gè)分割較大尺度的區(qū)域結(jié)構(gòu)。該過程可以迭代進(jìn)行，直到無(wú)法再進(jìn)行合并為止。 關(guān)鍵詞：面向?qū)ο螅痪垲愃惴ǎ?區(qū)域合并
目錄 摘要 Abstract 第1章 緒論-1 1.1研究背景-1 1.2研究目的和基本原理-1 1.3本文的主要工作-1 第2章 聚類算法-2 2.1聚類的概念-2 2.2基于層次的聚類-3 2.3基于密度的聚類-3 2.4基于劃分的聚類-3 2.5基于網(wǎng)格的聚類-4 2.6基于模型的聚類-4 2.7模糊聚類-4 2.7.1模糊C-均值聚類算法-4 2.7.2免疫進(jìn)化算法-5 2.8其它聚類算法-5 2.8.1基于群的聚類方法-5 2.8.2基于粒度的聚類方法-5 2.8.3譜聚法-6 2.8.4多種聚類方法的融合-6 第3章 聚類分析方法-8 3.1聚類分析-8 3.2主要聚類算法的分類-9 3.2.1劃分方法-9 3.2.2層次方法-9 3.2.3基于密度的方法-9 3.2.4基于網(wǎng)格的方法-10 3.2.5基于模型的方法-10 第4章 模糊聚類算法-11 4.1模糊理論的概述和發(fā)展-11 4.2 FCM聚類算法介紹-11 4.2.1模糊集基本知識(shí)-11 4.2.2 K均值聚類算法(HCM)介紹-12 4.2.3FCM算法的應(yīng)用-12 4.3模糊集合-13 4.4模糊聚類-14 4.4.1基于模糊關(guān)系的分類法-14 4.4.2基于目標(biāo)函數(shù)的模糊聚類算法-14 4.4.3基于神經(jīng)網(wǎng)絡(luò)的模糊聚類算法-15 4.5模糊C均值算法公式-15 4.6算法步驟-16 第5章 圖像色彩識(shí)別的聚類方法-17 5.1輸入BMP圖像-17 5.2聚類處理-18 5.3輸出BMP圖像-21 第6章 實(shí)驗(yàn)結(jié)果-22 第7章 結(jié)束語(yǔ)-23 參考文獻(xiàn)-24 致 謝-25 |
