摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第12-15页 |
缩略语对照表 | 第15-20页 |
第一章 绪论 | 第20-30页 |
1.1 模糊集理论与模糊划分简介 | 第20-22页 |
1.2 模糊聚类与可能性聚类 | 第22-25页 |
1.3 图像分割技术 | 第25-26页 |
1.4 本文的研究工作与结构安排 | 第26-30页 |
第二章 基于弱模糊划分熵的图像分割法 | 第30-56页 |
2.1 引言 | 第30-31页 |
2.2 模糊集与模糊补运算 | 第31-35页 |
2.2.1 模糊集理论和广义模糊补运算 | 第31-33页 |
2.2.2 模糊熵和广义模糊熵 | 第33-34页 |
2.2.3 模糊划分、弱模糊划分与模糊划分熵 | 第34-35页 |
2.3 基于弱模糊划分熵和均匀测度的图像分割 | 第35-44页 |
2.3.1 基于广义补运算的弱模糊划分熵 | 第35-40页 |
2.3.2 针对图像分割质量评价的改进均匀测度 | 第40-41页 |
2.3.3 基于弱模糊划分熵和均匀测度的图像分割 | 第41-44页 |
2.4 实验结果与分析 | 第44-54页 |
2.5 小结 | 第54-56页 |
第三章 基于非局部波动变换的模糊集分割法 | 第56-80页 |
3.1 引言 | 第56-57页 |
3.2 图像波动变换 | 第57-59页 |
3.3 基于非局部波动变换的直觉模糊集分割算法 | 第59-69页 |
3.3.1 算法描述 | 第59-60页 |
3.3.2 光照不均匀图像的非局部滤波 | 第60-62页 |
3.3.3 基于模糊信息和非局部信息的图像波动变换 | 第62-67页 |
3.3.4 基于非局部信息波动变换的直觉模糊集分割算法 | 第67-69页 |
3.4 实验结果与分析 | 第69-78页 |
3.5 小结 | 第78-80页 |
第四章 截集式可能性C-均值聚类算法 | 第80-116页 |
4.1 引言 | 第80页 |
4.2 经典聚类算法 | 第80-83页 |
4.2.1 模糊C-均值聚类算法 | 第80-81页 |
4.2.2 可能性C-均值算法 | 第81-82页 |
4.2.3 可能性模糊C-均值算法 | 第82-83页 |
4.3 截集式可能性C-均值聚类算法 | 第83-106页 |
4.3.1 基于 -截集的模糊C-均值聚类算法 | 第83-84页 |
4.3.2 截集式可能性C-均值聚类算法 | 第84-89页 |
4.3.3 截集式可能性C-均值聚类参数的确定 | 第89-94页 |
4.3.4 实验结果分析 | 第94-106页 |
4.4 一种基于截集式可能性C-均值聚类的灰度噪声图像分割算法 | 第106-115页 |
4.4.1 基于C-PCM的灰度噪声图像分割的直方图模型建立 | 第106-108页 |
4.4.2 实验结果分析 | 第108-115页 |
4.5 小结 | 第115-116页 |
第五章 抑制式可能性C-均值聚类算法 | 第116-160页 |
5.1 引言 | 第116页 |
5.2 抑制式模糊C-均值聚类算法 | 第116-117页 |
5.3 抑制式可能性C-均值聚类算法 | 第117-138页 |
5.3.1 抑制式可能性C-均值聚类算法原理 | 第117-120页 |
5.3.2 抑制式可能性C-均值聚类算法参数的确定 | 第120-128页 |
5.3.3 抑制式可能性C-均值聚类算法分类数的确定 | 第128-129页 |
5.3.4 实验结果分析 | 第129-138页 |
5.4 基于抑制式可能性Gustafson-Kessel聚类算法 | 第138-151页 |
5.4.1 基于抑制式可能性 Gustafson-Kessel 聚类算法 | 第138-140页 |
5.4.2 实验结果分析 | 第140-151页 |
5.5 基于S-PCM和S-PGK的彩色噪声图像分割 | 第151-158页 |
5.5.1 基于S-PCM和S-PGK的彩色噪声图像分割 | 第151-153页 |
5.5.2 实验结果分析 | 第153-158页 |
5.6 小结 | 第158-160页 |
第六章 总结与展望 | 第160-164页 |
6.1 总结 | 第160-161页 |
6.2 展望 | 第161-164页 |
参考文献 | 第164-176页 |
致谢 | 第176-178页 |
作者简介 | 第178-180页 |