基于聚类的图像分割方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 图像分割方法及国内外研究现状 | 第9-13页 |
| 1.3 遗传算法的发展和研究现状 | 第13页 |
| 1.4 本文研究的主要内容和文章的结构 | 第13-15页 |
| 2 基于聚类的图像分割方法原理 | 第15-24页 |
| 2.1 基于简单聚类算法的图像分割原理 | 第15-16页 |
| 2.2 基于谱聚类的图像分割原理 | 第16-24页 |
| 2.2.1 谱聚类算法原理 | 第16-23页 |
| 2.2.1.1 图划分理论 | 第16-21页 |
| 2.2.1.2 谱聚类算法原理 | 第21-23页 |
| 2.2.2 基于谱聚类的图像分割方法原理 | 第23-24页 |
| 3 基于k中心点的图像二值化方法 | 第24-33页 |
| 3.1 K中心点聚类原理 | 第24-25页 |
| 3.2 基于K中心点聚类的图像二值化算法 | 第25-29页 |
| 3.2.1 相关概念 | 第25页 |
| 3.2.2 基于K中心点聚类的图像二值化算法 | 第25-27页 |
| 3.2.3 基于改进K中心点聚类的图像二值化算法 | 第27-29页 |
| 3.3 实验结果与分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于遗传谱聚类的图像分割方法 | 第33-53页 |
| 4.1 遗传算法基本原理 | 第33-39页 |
| 4.2 遗传谱聚类算法原理 | 第39-40页 |
| 4.3 基于遗传谱聚类的图像分割方法 | 第40-46页 |
| 4.3.1 定义相似性函数和计算相似性矩阵 | 第41-42页 |
| 4.3.2 遗传聚类阶段 | 第42-46页 |
| 4.4 实验结果分析 | 第46-51页 |
| 4.4.1 UCI数据集聚类 | 第46-47页 |
| 4.4.2 人工合成数据集聚类 | 第47-49页 |
| 4.4.3 对真实的图像数据进行分割 | 第49-51页 |
| 4.5 结论 | 第51-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录A 本文作者在攻读硕士学位期间所发表的论文 | 第59-60页 |
| 致谢 | 第60-61页 |
