文摘
英文文摘
第一章引言
1.1纹理图像
1.1.1什么是纹理图像
1.1.2遥感中的纹理图像
1.1.3纹理分析是遥感应用的基础性研究工作
1.1.4选题依据
1.2纹理分析技术现状、应用及发展趋势
1.2.1纹理分析方法综述
1.2.2基于小波域隐马尔可夫树模型研究状况
1.2.3纹理在遥感图像分类中的应用
1.2.4目前存在的问题及纹理分析发展趋势
1.3本文研究的主要内容
1.3.1本文研究主要内容及目标
1.3.2论文组织
1.3.3论文章节安排
1.4与本研究有关的相关概念
第二章本研究相关理论基础
2.1纹理及相关理论基础
2.1.1纹理的描述及性质
2.1.2纹理特征抽取及主要分析方法
2.1.3几种常用的算法
2.2纹理的多分辨率特性及描述方法研究
2.2.1图像的多分辨率性质
2.2.2图像多分辨表示与人类视党机理的关系
2.2.3图像的多分辨率表示方法
2.2.4遥感影象中的多分辨率特点
2.3小波变换基本理论
2.3.1引言
2.3.2小波变换
2.3.3小波变换中的多分辨分析
2.3.4二维小波变换
2.3.5常用小波函数比较
2.3.6小波变换在图像处理中的作用
2.4马尔可夫随机场及其应用
2.4.1一维Markov过程
2.4.2二维Markov随机场
2.4.3 Gibbs分布
2.4.4.马尔可夫随机场基本性质
2.5隐马尔可夫模型
2.5.1引言
2.5.2马尔可夫链
2.5.3隐马尔可夫链
2.5.4 HMM基本算法
2.5.5 HMM算法中的若干问题
2.5.6 HMM建模的优点
2.6本章小结
第三章基于小波域隐马尔可夫树的模型理论
3.1 引言
3.2小波信号模型分析
3.3小波变换的压缩性分析及其表示
3.4小波变换的系数相关性分析
3.4.1概率图模型
3.4.2基于概率图的三种模型
3.5小波域HMT建模原理
3.5.1小波变换特性简要分析
3.5.2二维离散小波变换及多尺度树图表示
3.5.3小波域HMT概率模型
3.5.4小波系数的“捆绑”
3.6小波域隐马尔可夫树模型的三个典型问题
3.7使用EM算法的模型参数估计和似然函数计算
3.7.1单个小波树的E步骤(上向-下向算法)
3.7.2 M步骤
3.7.3多个小波树的E步骤
3.8模型训练的稳健性
3.9数据块分类实现
3.10图像中的上下文约束关系
3.10.1上下文关系涵义
3.10.2上下文关系在图像多尺度分割中的作用
3.10.3上下文关系分析与描述
3.11本章小节
第四章基于HMT的纹理分割及遥感图像分类
4.1 HMT实现中的问题
4.1.1基于HMT模型的监督分类基本思想流程
4.1.2 HMT模型分割研究及样本对其影响
4.2 HMT模型改进
4.2.1 HMT非监督分类模型基本思想及流程
4.2.2非监督HMT模型分割结果及分析
4.2.3组合遥感图像多波段信息的纹理分割
第五章HMT分类结果精度评价及工作总结
5.1混淆矩阵
5.2 Kappa统计系数
5.3伴随着混淆矩阵的问题
5.4本文中采用的参考数据
5.5精度评价结果
5.6主要工作与创新点
5.7结语及未来工作展望
参考文献
攻读博士学位期间发表的主要论文
附录
致谢