首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

聚类与曲线进化方法及在农产品图像分割中的应用研究

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

论文共108页,点击 下载论文
上一篇:人工免疫网络研究及应用
下一篇:基于神经模糊的模式识别的几个问题的研究