基于粗糙集理论的图像分割研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·课题的研究背景及意义 | 第9-11页 |
| ·粗糙集的研究现状 | 第11-15页 |
| ·粗糙集在图像分割中的研究现状 | 第15-19页 |
| ·论文的主要内容与结构 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 粗糙集理论 | 第21-28页 |
| ·粗糙集理论基本概念 | 第21-24页 |
| ·知识与知识库 | 第21-22页 |
| ·上、下近似 | 第22-23页 |
| ·正域、负域和边界域 | 第23-24页 |
| ·粗糙集的特征 | 第24-26页 |
| ·粗糙集在图像处理中的应用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 图像分割方法的分析比较 | 第28-51页 |
| ·边缘检测方法 | 第28-32页 |
| ·梯度算子 | 第28-30页 |
| ·拉普拉斯算子 | 第30-31页 |
| ·Canny算子 | 第31页 |
| ·各算子分割效果比较分析 | 第31-32页 |
| ·阈值分割方法 | 第32-38页 |
| ·阈值化技术概述 | 第32-33页 |
| ·基本阈值分割方法 | 第33-37页 |
| ·主要阈值分割方法分割效果比较 | 第37-38页 |
| ·区域分割方法 | 第38-42页 |
| ·区域生长原理 | 第38-39页 |
| ·生长准则和过程 | 第39-41页 |
| ·分裂-合并法 | 第41-42页 |
| ·基于粗糙集的图像分割方法 | 第42-50页 |
| ·基于粗糙集的边缘检测 | 第42-45页 |
| ·基于粗糙集的数学形态学方法 | 第45-47页 |
| ·基于粗糙集的C-均值聚类方法 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 量化粗糙度在彩色图像分割中的应用 | 第51-65页 |
| ·彩色图像分割概述 | 第51-52页 |
| ·定性粗糙信息 | 第52-54页 |
| ·量化粗糙度 | 第54-56页 |
| ·基于量化粗糙度的阈值分割 | 第56-59页 |
| ·分割原理 | 第56-57页 |
| ·实验设计与分析 | 第57-59页 |
| ·基于粗糙度的模糊聚类分割 | 第59-64页 |
| ·传统模糊C均值聚类算法 | 第59-61页 |
| ·基于量化粗糙信息的FCM算法 | 第61-63页 |
| ·实验结果与分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| ·本文工作总结 | 第65-66页 |
| ·研究工作展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要研究成果目录 | 第73页 |
