| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·边界检测和边缘连接 | 第11-12页 |
| ·基于区域的分割 | 第12-13页 |
| ·结合特定理论工具的分割技术 | 第13-16页 |
| ·本文的主要工作及创新点 | 第16页 |
| ·本文的组织 | 第16-18页 |
| 第二章 基于图论的图像分割方法 | 第18-31页 |
| ·基本理论概念 | 第18-23页 |
| ·图的分割 | 第18-20页 |
| ·图像的分割 | 第20-22页 |
| ·彩色空间分割 | 第22-23页 |
| ·三种基于图论的图像分割方法 | 第23-27页 |
| ·Ratio Cut 分割法 | 第23-24页 |
| ·Normalized Cut 方法 | 第24-25页 |
| ·Isoperimetric Ratio 方法 | 第25-27页 |
| ·最小生成树分割方法 | 第27-30页 |
| ·最小生成树概念 | 第27-28页 |
| ·构造最小生成树 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于数学形态学分水岭算法 | 第31-40页 |
| ·形态学图像处理 | 第31-34页 |
| ·基本概念 | 第31-32页 |
| ·灰度图像中的基本操作 | 第32-33页 |
| ·灰度级形态学的应用 | 第33-34页 |
| ·分水岭算法 | 第34-39页 |
| ·分水岭概念 | 第34-35页 |
| ·分水岭分割二值图像 | 第35-36页 |
| ·分水岭分割梯度图像 | 第36-37页 |
| ·控制分水岭过分割方法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于分水岭的最小生成树图像分割方法 | 第40-56页 |
| ·图像预处理 | 第40-43页 |
| ·颜色空间变换 | 第40-41页 |
| ·求取梯度图像 | 第41-43页 |
| ·基于分水岭的最小生成树图像分割方法—K? VW 方法 | 第43-53页 |
| ·方法背景 | 第43页 |
| ·Vincent 分水岭算法 | 第43-46页 |
| ·最小生成树合并区域 | 第46-51页 |
| ·K? VW 方法 | 第51-53页 |
| ·实验分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·已完成的工作 | 第56页 |
| ·进一步的研究工作 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第62页 |