基于模糊理论的图像分割算法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·图像分割的定义 | 第8页 |
| ·图像分割方法 | 第8-11页 |
| ·阈值法 | 第9页 |
| ·边缘检测法 | 第9页 |
| ·区域生长法 | 第9-10页 |
| ·基于神经网络的分割方法 | 第10页 |
| ·基于模糊理论的方法 | 第10-11页 |
| ·论文选题的意义 | 第11-12页 |
| ·论文的主要研究工作 | 第12-13页 |
| 2 基于模糊理论的图像分割技术研究概况 | 第13-20页 |
| ·模糊理论基础 | 第13-17页 |
| ·模糊理论的发展和现状 | 第13页 |
| ·模糊集合及其运算 | 第13-15页 |
| ·模糊集合的分解定理和表现定理 | 第15-16页 |
| ·模糊关系 | 第16-17页 |
| ·基于模糊等价矩阵的模糊聚类分析 | 第17页 |
| ·基于模糊理论的图像分割技术研究概况 | 第17-19页 |
| ·基于模糊理论的图像分割技术研究概况 | 第17-18页 |
| ·模糊C-均值聚类图像分割算法 | 第18页 |
| ·模糊阈值图像分割算法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 基于二维相似度的 FCM 图像分割算法 | 第20-33页 |
| ·基于空间邻域信息的二维模糊聚类图像分割算法 | 第20-22页 |
| ·确定初始聚类中心 | 第20-21页 |
| ·2DFCM 算法原理及实现 | 第21-22页 |
| ·基于竞争学习理论的FCM 图像分割算法 | 第22-24页 |
| ·改进模糊分割的FCM 聚类算法IFP-FCM | 第22页 |
| ·竞争学习理论 | 第22-23页 |
| ·基于竞争学习理论的FCM 图像分割算法 | 第23-24页 |
| ·基于二维相似度的FCM 图像分割算法 | 第24-32页 |
| ·相似度测度 | 第24-25页 |
| ·初始聚类中心的选取 | 第25页 |
| ·基于二维相似度的FCM 图像分割算法 | 第25-27页 |
| ·实验与结果 | 第27-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于模糊率的 FCM 自适应图像分割算法 | 第33-39页 |
| ·基于K-均值聚类的FCM 图像分割算法 | 第33-34页 |
| ·K-均值聚类算法 | 第33-34页 |
| ·基于K-均值聚类的FCM 图像分割算法 | 第34页 |
| ·基于模糊率的FCM 自适应图像分割算法 | 第34-38页 |
| ·模糊聚类数目的自动确定 | 第34-35页 |
| ·初始聚类中心的确定 | 第35页 |
| ·基于模糊率的FCM 自适应图像分割算法 | 第35-36页 |
| ·实验结果与分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 5 结论与展望 | 第39-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 附录 | 第46页 |
