基于FCM聚类的图像分割算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 图像分割的定义与方法 | 第12-16页 |
| 1.2.1 图像分割的定义 | 第12-13页 |
| 1.2.2 图像分割的主要算法 | 第13-16页 |
| 1.3 基于模糊C均值的图像分割算法研究现状 | 第16-18页 |
| 1.4 论文的主要研究内容 | 第18页 |
| 1.5 论文的结构安排 | 第18-20页 |
| 第2章 FCM算法的相关理论和主要改进算法 | 第20-29页 |
| 2.1 FCM算法的基本原理 | 第20-22页 |
| 2.1.1 聚类分析 | 第20-21页 |
| 2.1.2 模糊集合理论 | 第21-22页 |
| 2.2 FCM算法及其几种重要的改进算法 | 第22-28页 |
| 2.2.1 FCM算法 | 第22-23页 |
| 2.2.2 FCM_S算法 | 第23-24页 |
| 2.2.3 FGFCM算法 | 第24-26页 |
| 2.2.4 NLFCM算法 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于FCM聚类的图像分割新算法 | 第29-42页 |
| 3.1 引言 | 第29-30页 |
| 3.2 改进的FCM算法 | 第30-33页 |
| 3.2.1 生成基于非局部信息的和图像 | 第30-31页 |
| 3.2.2 初始聚类中心选取 | 第31-33页 |
| 3.2.3 实现基于FCM聚类的图像分割 | 第33页 |
| 3.3 实验结果与分析 | 第33-41页 |
| 3.3.1 对人工图像的分割实验 | 第33-35页 |
| 3.3.2 对自然图像的分割实验 | 第35-39页 |
| 3.3.3 加入噪声前后本章算法分割结果对比 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于区域合并的FCM改进算法 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 改进的FCM图像分割算法 | 第42-48页 |
| 4.2.1 建立带权重的区域邻接图 | 第43-46页 |
| 4.2.2 区域合并策略 | 第46-48页 |
| 4.2.3 具体算法设计 | 第48页 |
| 4.3 实验结果与分析 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 后续研究工作 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第61页 |
