| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-12页 |
| ·图像分割研究背景和意义 | 第9-10页 |
| ·图像分割算法研究概况 | 第10-11页 |
| ·文章内容结构和概括 | 第11-12页 |
| 2 概述图像分割 | 第12-17页 |
| ·概念描述 | 第12页 |
| ·图像分割方法概述 | 第12-14页 |
| ·边缘检测的图像分割方法 | 第12-13页 |
| ·阈值分割技术 | 第13页 |
| ·以区域为基础的图像分割方法 | 第13-14页 |
| ·聚类方法 | 第14页 |
| ·图像分割的评价体系 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 3 一种基于laws 纹理测度和自适应阈值的FCM 图像分割算法 | 第17-28页 |
| ·模糊C 均值（Fuzzy C-Means）聚类图像分割算法简介 | 第17-18页 |
| ·模糊Laws 纹理测度与特征提取 | 第18-20页 |
| ·模糊自动阈值处理：Otsu 方法 | 第20-21页 |
| ·laws 纹理测度和自动阈值的FCM 图像分割 | 第21-23页 |
| ·实验结果 | 第23-27页 |
| ·不同方法的质量对比 | 第27页 |
| ·小结 | 第27-28页 |
| 4 应用像素级特征的SVM 彩色图像分割方法 | 第28-41页 |
| ·支持向量机（SVM）的概念 | 第28页 |
| ·支持向量机（SVM） | 第28-32页 |
| ·线性支持向量机 | 第28-30页 |
| ·非线性支持向量机(Non-linear SVM) | 第30-32页 |
| ·提取基本特征 | 第32-37页 |
| ·构造颜色特征 | 第32-34页 |
| ·构造纹理特征 | 第34-37页 |
| ·算法描述 | 第37-38页 |
| ·实验结果和分析 | 第38-40页 |
| ·小结 | 第40-41页 |
| 5 结论 | 第41-43页 |
| ·已完成的工作和创新 | 第41页 |
| ·展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士期间研究成果 | 第46-47页 |
| 致谢 | 第47页 |
