| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-13页 |
| 1.2 研究现状 | 第13-18页 |
| 1.2.1 常用图像分割方法 | 第13-15页 |
| 1.2.2 基于模糊聚类算法的图像分割方法 | 第15-18页 |
| 1.3 论文的主要研究内容 | 第18-20页 |
| 第2章 模糊C均值算法 | 第20-33页 |
| 2.1 模糊聚类分析理论基础 | 第20-25页 |
| 2.1.1 图像的特征空间 | 第20-22页 |
| 2.1.2 模糊子集 | 第22-23页 |
| 2.1.3 模糊聚类及基本步骤 | 第23-25页 |
| 2.2 模糊C均值聚类方法 | 第25-29页 |
| 2.2.1 FCM算法模型 | 第25-28页 |
| 2.2.2 模糊C均值聚类分割流程 | 第28-29页 |
| 2.3 模糊C均值聚类图像分割有效性衡量指标 | 第29-30页 |
| 2.4 图像灰度直方图 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于改进初始化参数的FCM图像分割方法 | 第33-50页 |
| 3.1 基于直方图峰值域的模糊聚类中心初始化 | 第33-39页 |
| 3.1.1 问题分析 | 第33-38页 |
| 3.1.2 聚类初始中心的定位 | 第38-39页 |
| 3.2 基于直方图加权FCM图像分割方法 | 第39-43页 |
| 3.2.1 加权模糊C均值聚类方法 | 第39-40页 |
| 3.2.2 直方图加权FCM图像分割方法 | 第40-43页 |
| 3.3 实验仿真与分析 | 第43-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第4章 基于二维直方图加权的高斯核FCM图像分割 | 第50-60页 |
| 4.1 基于核函数的FCM算法 | 第50-52页 |
| 4.2 隶属度及聚类中心的建立 | 第52-53页 |
| 4.3 高斯核函数径向宽度的选择 | 第53-54页 |
| 4.4 实验的仿真与分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 基于局部二进制模式的FCM纹理图像分割 | 第60-75页 |
| 5.1 灰度共生矩阵及其统计量 | 第60-63页 |
| 5.1.1 灰度共生矩阵 | 第60-62页 |
| 5.1.2 纹理矩阵特征统计量 | 第62-63页 |
| 5.2 局部二进制模式 | 第63-65页 |
| 5.2.1 局部二进制模式算子 | 第63-64页 |
| 5.2.2 多尺度LBP结构 | 第64-65页 |
| 5.3 迭代式阈值选择方法 | 第65-68页 |
| 5.4 局部二进制FCM纹理分割模型(LBPFCM) | 第68-74页 |
| 5.4.1 LBPFCM模型 | 第68页 |
| 5.4.2 实验的仿真与分析 | 第68-74页 |
| 5.5 本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间所发表的论文和取得的科研成果 | 第83-84页 |
| 致谢 | 第84页 |