| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·选题意义 | 第8-9页 |
| ·图像分割与模糊聚类的关系 | 第8页 |
| ·FCM彩色图像分割的优势 | 第8-9页 |
| ·彩色图像分割的发展 | 第9-11页 |
| ·研究内容及章节安排 | 第11-12页 |
| ·研究内容 | 第11页 |
| ·论文结构 | 第11-12页 |
| 第二章 彩色图像分割理论 | 第12-22页 |
| ·彩色空间的表示 | 第12-17页 |
| ·线性彩色空间 | 第12-15页 |
| ·非线性颜色空间 | 第15-17页 |
| ·彩色图像分割的方法 | 第17-21页 |
| ·阈值分割法 | 第17页 |
| ·边缘检测的分割方法 | 第17-19页 |
| ·彩色空间聚类方法 | 第19页 |
| ·基于区域的分割方法 | 第19-20页 |
| ·基于模糊理论的方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 聚类分析方法基本理论 | 第22-26页 |
| ·聚类分析的特征 | 第22页 |
| ·聚类分析方法的分类 | 第22-24页 |
| ·分割聚类方法 | 第23页 |
| ·分级聚类方法 | 第23页 |
| ·基于密度的聚类方法 | 第23-24页 |
| ·基于网格的方法 | 第24页 |
| ·基于模型的方法 | 第24页 |
| ·聚类分析方法的评价准则 | 第24-25页 |
| ·本章总结 | 第25-26页 |
| 第四章 K-means，FCM，Mean Shift算法的对比研究 | 第26-44页 |
| ·K-means算法 | 第26-28页 |
| ·K-means算法的原理 | 第26页 |
| ·代表点的选择 | 第26-27页 |
| ·初始分类方法 | 第27页 |
| ·K-means算法步骤 | 第27-28页 |
| ·FCM算法 | 第28-29页 |
| ·FCM算法原理 | 第28-29页 |
| ·FCM算法步骤 | 第29页 |
| ·Mean Shift算法 | 第29-32页 |
| ·Mean shift算法基本思想 | 第29-30页 |
| ·Mean Shift算法物理含义 | 第30-31页 |
| ·Mean shift算法步骤 | 第31-32页 |
| ·确定性K-means算法与FCM算法对比分析 | 第32-38页 |
| ·样本距离均一化效应的绝对性 | 第32-33页 |
| ·样本数量均一化效应的相对性 | 第33-36页 |
| ·聚类中心初值的敏感性与聚类分离程度的关系 | 第36-38页 |
| ·采用真实数据检验三个聚类算法性能 | 第38-43页 |
| ·数据集介绍 | 第38-39页 |
| ·实验方法 | 第39-40页 |
| ·结果比较与分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于模糊C均值算法的彩色图像分割方法 | 第44-52页 |
| ·引言 | 第44-45页 |
| ·基于模糊C均值算法的彩色图像分割方法 | 第45-47页 |
| ·模糊C均值算法 | 第45页 |
| ·基于模糊C均值算法的彩色图像分割方法步骤 | 第45-47页 |
| ·实验与结果分析 | 第47-51页 |
| ·模糊C均值彩色图像分割结果 | 第47-49页 |
| ·FCM分割结果与Mean shift分割结果的对比分析 | 第49-51页 |
| ·本文FCM分割结果与标准FCM分割结果的对比分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·研究内容总结 | 第52页 |
| ·进一步的工作研究 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间主要的研究成果 | 第60页 |
