摘要 | 第1-4页 |
Abstract | 第4-7页 |
第一章 绪论 | 第7-13页 |
·引言 | 第7页 |
·课题相关研究概述 | 第7-10页 |
·一般图像分割方法 | 第8-10页 |
·基于聚类的图像分割方法 | 第8-9页 |
·基于水平集的图像分割方法 | 第9-10页 |
·农产品图像分割方法 | 第10页 |
·课题主要研究内容、特色和创新 | 第10-13页 |
·第二章研究概述 | 第11页 |
·第三章研究概述 | 第11-12页 |
·第四章研究概述 | 第12页 |
·第五章研究概述 | 第12页 |
·第六章研究概述 | 第12-13页 |
第二章 一种基于软边界球分的层次聚类方法及在水蜜桃阴影图像分割中的应用研究 | 第13-27页 |
·引言 | 第13页 |
·结合其它聚类技术的层次聚类方法 | 第13-14页 |
·结合其它聚类技术的凝聚式层次聚类方法 | 第13-14页 |
·结合其它聚类技术的分裂式层次聚类方法 | 第14页 |
·基于软边界球分的分裂式层次聚类算法 | 第14-22页 |
·数据集分裂问题 | 第14-15页 |
·软边界球分算法 SHP | 第15-21页 |
·可能性聚类算法 | 第16-17页 |
·软边界球分的原理与实现 | 第17-21页 |
·基于 SHP 的层次聚类算法 SHPDHC | 第21-22页 |
·数值实验 | 第22-24页 |
·SHPDHC 在水蜜桃阴影图像分割中的应用 | 第24-26页 |
·本章小结 | 第26-27页 |
第三章 增强可能性聚类方法及在水蜜桃阴影图像分割中的应用研究 | 第27-52页 |
·引言 | 第27-28页 |
·两类模糊聚类算法简介 | 第28-29页 |
·增强可能性聚类方法EPCM | 第29-37页 |
·数值实验研究 | 第37-48页 |
·EPCM 在农产品图像分割中的应用研究 | 第48-50页 |
·本章小结 | 第50-52页 |
第四章 融合 FCM 的 Mumford-Shah 模型及在农产品图像分割中的应用研究 | 第52-69页 |
·引言 | 第52页 |
·背景知识介绍 | 第52-54页 |
·模糊聚类介绍 | 第52-53页 |
·Mumford-Shah 模型介绍 | 第53-54页 |
·融合模糊聚类的Mumford-Shah(FCMMS)模型 | 第54-58页 |
·FCMMS 模型描述 | 第54-58页 |
·多区域的FCMMS(Multiregional FCMMS)模型 | 第58页 |
·FCMMS 模型分析 | 第58-59页 |
·FCMMS 模型的一些基本特点 | 第58-59页 |
·FCMMS 模型参数讨论 | 第59页 |
·实验研究 | 第59-66页 |
·模型分析实验 | 第60-62页 |
·特定图像分割实验 | 第62-64页 |
·自然图像分割实验 | 第64-66页 |
·自然水果图像分割实验 | 第66-67页 |
·本章小结 | 第67-69页 |
第五章 融合高斯混合模型的水平集方法及在农产品图像分割中的应用研究 | 第69-91页 |
·引言 | 第69页 |
·背景知识介绍 | 第69-70页 |
·基于高斯混合模型的聚类方法 | 第69-70页 |
·基于水平集方法的图像分割目标 | 第70页 |
·融合高斯混合模型的水平集方法 | 第70-79页 |
·基于高斯混合模型的图像分割目标 | 第70-72页 |
·融合 GMM 的水平集方法实现 | 第72-78页 |
·GMMLS 模型表达 | 第72-74页 |
·GMMLS 模型求解 | 第74-78页 |
·GMMLS 模型分析 | 第78-79页 |
·与现有方法间的联系及自身特点 | 第78-79页 |
·计算复杂度 | 第79页 |
·参数选取 | 第79页 |
·GMMLS 性能分析实验 | 第79-85页 |
·农产品图像分割应用研究 | 第85-90页 |
·水蜜桃阴影图像分割 | 第85-87页 |
·自然水果图像分割 | 第87-90页 |
·本章小结 | 第90-91页 |
第六章 关于新水平集方法的扩展技术 | 第91-96页 |
·引言 | 第91页 |
·多区域的图像分割 | 第91-94页 |
·引入先验知识的水平集方法 | 第94-95页 |
·提高计算性能的相关技术 | 第95页 |
·本章小结 | 第95-96页 |
第七章 结束语 | 第96-97页 |
论文创新点 | 第97-98页 |
致谢 | 第98-99页 |
参考文献 | 第99-108页 |
附录:作者在攻读博士学位期间发表的论文 | 第108页 |