| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 图像分割概述 | 第10-16页 |
| 1.2.1 经典的图像分割算法 | 第11-13页 |
| 1.2.2 结合特定理论的图像分割方法 | 第13-16页 |
| 1.3 图像分割的国内外发展趋势 | 第16页 |
| 1.4 本文主要研究内容和结构安排 | 第16-18页 |
| 1.4.1 主要研究内容 | 第16页 |
| 1.4.2 结构安排 | 第16-18页 |
| 第二章 分水岭算法与谱聚类算法 | 第18-35页 |
| 2.1 分水岭算法 | 第18-22页 |
| 2.1.1 分水岭分割算法的物理模型 | 第18-19页 |
| 2.1.2 分水岭算法应用于图像分割的实现步骤 | 第19-22页 |
| 2.1.3 分水岭算法的优缺点 | 第22页 |
| 2.2 谱聚类算法 | 第22-33页 |
| 2.2.1 图划分理论 | 第23-24页 |
| 2.2.2 谱聚类图像分割算法的步骤 | 第24-25页 |
| 2.2.3 经典的谱聚类算法 | 第25-28页 |
| 2.2.4 规范化割（Ncut）算法的数学求解 | 第28-30页 |
| 2.2.5 两路(2-way)Ncut 与 k 路(k-way)Ncut 算法 | 第30-33页 |
| 2.2.6 基于图的谱聚类图像分割算法的优缺点 | 第33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 分水岭算法及谱聚类算法的改进与结合分割图像 | 第35-52页 |
| 3.1 阈值形态学分水岭算法 | 第35-44页 |
| 3.1.1 形态学梯度 | 第37-40页 |
| 3.1.2 改进形态学分水岭算法 | 第40-44页 |
| 3.2 改进相似度权值矩阵及拉普拉斯矩阵 | 第44-47页 |
| 3.2.1 似度权值矩阵 | 第44-45页 |
| 3.2.2 改进相似度权值矩阵 | 第45-46页 |
| 3.2.3 改进拉普拉斯矩阵 | 第46-47页 |
| 3.3 改进的 K-MEANS 算法 | 第47-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 实验结果及分析总结 | 第52-61页 |
| 4.1 主观评价 | 第52-58页 |
| 4.2 客观评价 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |