| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 图像分割概述 | 第11-16页 |
| 1.2.1 基于阈值的图像分割 | 第12-13页 |
| 1.2.2 基于边缘的图像分割 | 第13页 |
| 1.2.3 基于区域的图像分割 | 第13-14页 |
| 1.2.4 与特定理论结合的图像分割算法 | 第14-16页 |
| 1.3 本文的主要研究内容与工作 | 第16-17页 |
| 第二章 Mean-Shift分割算法 | 第17-32页 |
| 2.1 Mean-Shift算法的基本原理 | 第17-24页 |
| 2.1.1 Mean-Shift的基本形式 | 第17-18页 |
| 2.1.2 Mean-Shift算法扩展形式 | 第18-19页 |
| 2.1.3 Mean-Shift算法的步骤 | 第19-20页 |
| 2.1.4 Mean-Shift算法的物理意义 | 第20-22页 |
| 2.1.5 Mean-Shift算法收敛性的证明 | 第22-24页 |
| 2.2 Mean-Shift图像分割算法 | 第24-25页 |
| 2.2.1 Mean-Shift图像平滑 | 第24-25页 |
| 2.2.2 Mean-Shift图像合并 | 第25页 |
| 2.3 仿真实验及结果分析 | 第25-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 归一化割图像分割算法 | 第32-43页 |
| 3.1 基础理论 | 第32-33页 |
| 3.1.1 权函数 | 第32-33页 |
| 3.1.2 图的割 | 第33页 |
| 3.2 最小割（cut）与归一化割（Ncut）准则 | 第33-35页 |
| 3.2.1 最小割（cut）准则 | 第33-34页 |
| 3.2.2 归一化割（Ncut）准则 | 第34-35页 |
| 3.3 Ncut算法的求解 | 第35-37页 |
| 3.4 2-way Ncut与K-way Ncut算法 | 第37-39页 |
| 3.4.1 2-way Ncut算法 | 第37-38页 |
| 3.4.2 K-way Ncut算法 | 第38-39页 |
| 3.5 仿真实验与分析 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 结合Mean-Shift和Ncut的图像分割 | 第43-52页 |
| 4.1 Mean-Shift算法分析 | 第43-44页 |
| 4.1.1 Mean-Shift算法性能分析 | 第43-44页 |
| 4.1.2 Mean Shift算法的优缺点 | 第44页 |
| 4.2 Ncut算法分析 | 第44-45页 |
| 4.2.1 Ncut算法的优缺点 | 第44-45页 |
| 4.2.2 Ncut算法的应用 | 第45页 |
| 4.3 改进算法 | 第45-46页 |
| 4.4 仿真实验及分析 | 第46-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 特征提取及多特征图像分割 | 第52-63页 |
| 5.1 纹理特征提取 | 第52-55页 |
| 5.2 边缘特征 | 第55-59页 |
| 5.2.1 边缘特征提取 | 第56-58页 |
| 5.2.2 边缘相似性判断 | 第58-59页 |
| 5.3 实验结果与分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 未来的工作 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71页 |
