基于模糊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9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像分割综述 | 第10-13页 |
| 1.2.1 图像分割定义 | 第10-11页 |
| 1.2.2 图像分割方法研究现状 | 第11-13页 |
| 1.3 基于模糊聚类的图像分割方法研究现状 | 第13-14页 |
| 1.4 论文研究内容和框架 | 第14-16页 |
| 2 基于模糊聚类的图像分割 | 第16-25页 |
| 2.1 模糊聚类理论基础 | 第16-18页 |
| 2.1.1 模糊集合理论 | 第16-17页 |
| 2.1.2 聚类分析 | 第17-18页 |
| 2.2 模糊C均值(FCM)聚类算法 | 第18-21页 |
| 2.2.1 硬C均值聚类算法 | 第18-19页 |
| 2.2.2 FCM聚类算法 | 第19-21页 |
| 2.3 基于FCM算法的图像分割 | 第21-22页 |
| 2.4 FCM算法的优缺点 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 3 基于人工蜂群优化的快速FCM图像分割方法 | 第25-38页 |
| 3.1 人工蜂群算法简介 | 第25-29页 |
| 3.1.1 算法起源 | 第25-26页 |
| 3.1.2 人工蜂群算法 | 第26-27页 |
| 3.1.3 ABC算法流程 | 第27-29页 |
| 3.2 改进的人工蜂群算法 | 第29-30页 |
| 3.2.1 选择策略的改进 | 第29页 |
| 3.2.2 最差蜜源替换 | 第29-30页 |
| 3.3 改进人工蜂群优化的快速FCM分割方法 | 第30-33页 |
| 3.3.1 快速FCM方法 | 第30页 |
| 3.3.2 基于改进人工蜂群算法的聚类思想 | 第30-31页 |
| 3.3.3 算法步骤及流程 | 第31-33页 |
| 3.4 实验仿真及分析 | 第33-37页 |
| 3.4.1 实验仿真 | 第33-35页 |
| 3.4.2 结果分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 结合空间邻域信息的核FCM图像分割方法 | 第38-51页 |
| 4.1 基于核函数的FCM方法 | 第38-39页 |
| 4.2 融合空间信息的FCM方法 | 第39-41页 |
| 4.2.1 基于空间约束的FCM方法 | 第39-40页 |
| 4.2.2 基于滤波思想的空间约束FCM方法 | 第40-41页 |
| 4.3 结合空间邻域信息的核FCM分割方法 | 第41-43页 |
| 4.3.1 先验概率函数 | 第41页 |
| 4.3.2 结合空间邻域信息的核FCM方法 | 第41-43页 |
| 4.4 实验结果及分析 | 第43-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间的研究成果 | 第58页 |
