| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.3 本文主要内容及创新点 | 第13-14页 |
| 1.4 文章结构 | 第14-16页 |
| 第2章 相关理论基础 | 第16-30页 |
| 2.1 图像分割 | 第16-21页 |
| 2.1.1 图像分割方法 | 第16-18页 |
| 2.1.2 彩色图像分割 | 第18-21页 |
| 2.2 聚类分割算法 | 第21-25页 |
| 2.2.1 模糊C均值聚类算法 | 第23-24页 |
| 2.2.2 k-means聚类算法 | 第24-25页 |
| 2.3 超像素算法 | 第25-27页 |
| 2.4 迁移学习 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于改进SLIC算法与迁移学习的FCM聚类分割 | 第30-40页 |
| 3.1 改进SLIC超像素算法 | 第30页 |
| 3.2 迁移FCM聚类算法 | 第30-32页 |
| 3.3 算法流程 | 第32-34页 |
| 3.4 实验结果与分析 | 第34-39页 |
| 3.4.1 改进SLIC算法实验结果 | 第34-35页 |
| 3.4.2 图像分割实验结果 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于迁移学习与k-means++算法的彩色图像分割 | 第40-49页 |
| 4.1 k-means++聚类算法 | 第40-41页 |
| 4.2 迁移准则改进 | 第41-42页 |
| 4.3 算法流程 | 第42-44页 |
| 4.4 实验结果与分析 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49-50页 |
| 5.2 研究展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |