基于图像不确定性信息的阈值分割方法研究

作者简介	第1-4页
摘要	第4-6页
ABSTRACT	第6-10页
第一章 绪论	第10-18页
·研究背景和意义	第10-11页
·图像阈值化分割技术发展与研究现状	第11-14页
·本文的主要研究工作	第14-15页
·本文的结构安排	第15-18页
第二章 基于统计信息的图像阈值分割方法	第18-60页
·引言	第18页
·改进的一维 Otsu 阈值法	第18-29页
·平滑直方图加权 Otsu 法	第18-26页
·梯度加权 Otsu 法	第26-29页
·最小误差阈值法的二维推广	第29-46页
·二维最小误差阈值分割法	第29-39页
·二维直线型最小误差阈值分割法	第39-46页
·最小交叉熵阈值法的二维推广	第46-57页
·二维交叉熵阈值分割法	第46-52页
·二维直线型交叉熵阈值分割法	第52-57页
·小结	第57-60页
第三章 基于模糊信息的图像阈值分割方法	第60-92页
·引言	第60-61页
·基于模糊熵的阈值分割算法	第61-75页
·最大模糊熵阈值法的快速算法	第61-69页
·最大模糊能量阈值分割法	第69-75页
·基于广义模糊熵的阈值分割算法	第75-89页
·基于 PSO 优化搜索的参数选取	第76-83页
·二维广义模糊熵图像阈值分割法	第83-89页
·小结	第89-92页
第四章 基于粗糙信息的图像阈值分割方法	第92-112页
·引言	第92页
·粗糙集模型	第92-93页
·基于最小粗糙熵的图像阈值化分割算法	第93-104页
·最大粗糙熵阈值法	第93-95页
·最小平方粗糙熵阈值分割法	第95-96页
·最小平方粗糙熵阈值分割算法实现与实验仿真	第96-104页
·结合空间信息的粗糙熵阈值化分割算法	第104-111页
·引言	第104页
·结合空间信息的粗糙熵阈值分割算法	第104-106页
·二维粗糙熵阈值分割算法的实现与实验结果分析	第106-111页
·小结	第111-112页
第五章 总结与展望	第112-116页
致谢	第116-118页
参考文献	第118-126页
攻读博士学位期间的研究成果	第126-128页