| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 课题国内外研究现状及发展趋势 | 第10-11页 |
| 1.3 研究目标 | 第11页 |
| 1.4 论文结构 | 第11-13页 |
| 2 图像分割技术的基本算法 | 第13-26页 |
| 2.1 阈值分割算法 | 第13-16页 |
| 2.1.1 直方图阈值的双峰法 | 第13-14页 |
| 2.1.2 迭代法 | 第14-15页 |
| 2.1.3 大律法 | 第15-16页 |
| 2.2 边缘检测算法研究 | 第16-22页 |
| 2.2.1 Laplacian of Gaussian算子 | 第16-18页 |
| 2.2.2 Canny算子 | 第18-19页 |
| 2.2.3 一阶微分算子 | 第19-22页 |
| 2.3 聚类算法研究 | 第22-25页 |
| 2.3.1 聚类准则函数 | 第22-23页 |
| 2.3.2 主要的一些聚类算法 | 第23-24页 |
| 2.3.3 模糊聚类 | 第24-25页 |
| 2.4 总结 | 第25-26页 |
| 3 基于分数阶微分的模糊聚类红外图像分割方法 | 第26-44页 |
| 3.1 分数阶微分理论 | 第26-28页 |
| 3.2 模糊聚类 | 第28-29页 |
| 3.2.1 模糊集基本知识 | 第28-29页 |
| 3.2.2 模糊聚类图像分割数学模型 | 第29页 |
| 3.3 模糊聚类算法 | 第29-34页 |
| 3.3.1 模糊c均值聚类算法 | 第29-32页 |
| 3.3.2 可能性c均值聚类算法 | 第32-33页 |
| 3.3.3 三种聚类算法比较 | 第33-34页 |
| 3.4 基于分数阶微分的模糊聚类红外图像分割算法 | 第34-38页 |
| 3.4.1 算法基本思想 | 第34-37页 |
| 3.4.2 模糊指数m的选取 | 第37-38页 |
| 3.5 试验设计及结果 | 第38-42页 |
| 3.6 小结 | 第42-44页 |
| 4 基于分数阶微分的最大熵红外图像分割及实验对比 | 第44-60页 |
| 4.1 阈值分割理论 | 第44页 |
| 4.2 最大熵阈值分割 | 第44-49页 |
| 4.2.1 一维最大熵阈值分割 | 第44-45页 |
| 4.2.2 最大累积剩余熵阈值分割 | 第45-47页 |
| 4.2.3 二维最大熵阈值分割 | 第47-49页 |
| 4.3 基于分数阶微分的最大阈值分割算法 | 第49-51页 |
| 4.4 实验结果对比 | 第51-59页 |
| 4.5 小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64页 |