| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·图像分割的研究意义 | 第8-9页 |
| ·图像分割算法的研究现状 | 第9-13页 |
| ·基于阈值的图像分割方法 | 第9-10页 |
| ·基于边缘的图像分割方法 | 第10-11页 |
| ·基于区域的图像分割方法 | 第11-12页 |
| ·基于特定工具的图像分割方法 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 基于一致性测度的边缘检测方法 | 第14-32页 |
| ·引言 | 第14页 |
| ·基于一致性测度的边缘检测方法基本思想 | 第14-15页 |
| ·基于一致性测度的边缘检测方法的算法实现 | 第15-26页 |
| ·平滑方式的选取 | 第15-19页 |
| ·一致性测度函数的选取 | 第19-22页 |
| ·边缘细化算法 | 第22-25页 |
| ·算法流程 | 第25-26页 |
| ·基于一致性测度的边缘检测方法的性能 | 第26-31页 |
| ·试验效果 | 第26-28页 |
| ·品质因子测定 | 第28-31页 |
| ·小结 | 第31-32页 |
| 3 基于一致性测度的区域合并图像分割方法 | 第32-50页 |
| ·引言 | 第32页 |
| ·传统的基于区域的归并算法 | 第32-34页 |
| ·区域归并算法基本思想 | 第32-33页 |
| ·基于灰度直方图判据的区域归并算法 | 第33页 |
| ·基于边界融解的区域归并算法 | 第33-34页 |
| ·基于一致性总测度的区域合并图像分割算法及编程实现 | 第34-43页 |
| ·基于一致性总测度的分割图像的质量评价 | 第34-36页 |
| ·合并准则 | 第36页 |
| ·算法设计 | 第36-37页 |
| ·算法的编程实现 | 第37-42页 |
| ·数据结构定义 | 第38-40页 |
| ·详细的程序流程 | 第40-42页 |
| ·分割效果 | 第42-43页 |
| ·基于最大容忍一致性测度函数值的区域合并图像分割算法及编程实现 | 第43-48页 |
| ·算法流程 | 第43-44页 |
| ·算法的数据结构 | 第44-45页 |
| ·算法的程序流程 | 第45-46页 |
| ·算法的分割效果 | 第46-48页 |
| ·本文方法与基于直方图判据方法的比较 | 第48-49页 |
| ·小结 | 第49-50页 |
| 4 基于特征域一致性测度加权的纹理图像分割方法 | 第50-60页 |
| ·引言 | 第50页 |
| ·纹理特征提取 | 第50-53页 |
| ·概述 | 第50页 |
| ·小波多分辨率分解特征提取方法 | 第50-53页 |
| ·特征域一致性测度加权 | 第53-54页 |
| ·特征域聚类 | 第54-58页 |
| ·K-Means聚类方法 | 第54-55页 |
| ·MacQueen k-means聚类算法 | 第54-55页 |
| ·基于循环迭代的k-means聚类算法 | 第55页 |
| ·模糊聚类方法 | 第55-58页 |
| ·硬分类与模糊分类 | 第55-56页 |
| ·模糊C-均值算法 | 第56-58页 |
| ·试验效果 | 第58-59页 |
| ·小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |