| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文研究的主要工作和内容安排 | 第10-12页 |
| 第二章 图像分割方法及颜色空间综述 | 第12-24页 |
| ·图像分割简介 | 第12-13页 |
| ·图像分割的分类 | 第13-19页 |
| ·基于阈值的分割方法 | 第13-14页 |
| ·基于边缘的分割方法 | 第14-16页 |
| ·基于区域的分割方法 | 第16-17页 |
| ·结合特定理论工具的分割方法 | 第17-19页 |
| ·基于形态学的分割方法 | 第17-18页 |
| ·基于小波的分割方法 | 第18页 |
| ·基于神经网络的分割方法 | 第18-19页 |
| ·基于模糊集合和逻辑的分割方法 | 第19页 |
| ·颜色空间及颜色空间转换 | 第19-23页 |
| ·常用的颜色空间简介 | 第20-22页 |
| ·RGB 颜色空间 | 第20-21页 |
| ·CMY 和 CMYK 颜色空间 | 第21页 |
| ·HIS 颜色空间 | 第21-22页 |
| ·颜色空间转换 | 第22-23页 |
| ·本章总结 | 第23-24页 |
| 第三章 模糊聚类理论基础 | 第24-31页 |
| ·模糊集合理论基础 | 第24-27页 |
| ·模糊集合概念 | 第24-25页 |
| ·隶属函数及其确定方法 | 第25-26页 |
| ·模糊度基本概念 | 第26-27页 |
| ·聚类方法理论 | 第27-29页 |
| ·聚类分析的概念 | 第27页 |
| ·常见的聚类方法 | 第27-29页 |
| ·模糊聚类算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于 FCM 的图像分割 | 第31-36页 |
| ·硬 C-均值聚类算法及步骤 | 第31-33页 |
| ·模糊 C 均值聚类算法及步骤 | 第33-35页 |
| ·FCM 算法描述 | 第33页 |
| ·FCM 算法步骤 | 第33-35页 |
| ·FCM 算法的优缺点及常用改进 | 第35页 |
| ·FCM 算法的优缺点 | 第35页 |
| ·几种改进的 FCM 算法 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第五章 基于 HIS 颜色空间改进的模糊 C 均值聚类算法 | 第36-46页 |
| ·基于 HIS 空间的快速模糊 C 均值彩色图像分割 | 第36-41页 |
| ·快速模糊 C 均值彩色图像分割 | 第36-37页 |
| ·色度空间的聚类 | 第37-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·基于颜色空间和优化初始中心的模糊 C 均值聚类算法 | 第41-44页 |
| ·优化初始中心的模糊 C 均值聚类算法 | 第41-42页 |
| ·色度空间的聚类 | 第42页 |
| ·实验结果与分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| ·本文工作总结 | 第46页 |
| ·下一步工作 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 攻读硕士学位期间发表的论文 | 第50-51页 |
| 致谢 | 第51页 |
