基于模糊聚类的彩色图像分割算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究目的及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文的主要工作及创新点 | 第12-13页 |
| 1.4 章节安排 | 第13-16页 |
| 第2章 模糊聚类算法与彩色图像分割方法 | 第16-30页 |
| 2.1 聚类分析算法 | 第16-20页 |
| 2.1.1 K-means算法 | 第17-18页 |
| 2.1.2 模糊C均值聚类算法 | 第18-19页 |
| 2.1.3 聚类算法的局限 | 第19-20页 |
| 2.2 彩色图像分割概述 | 第20-26页 |
| 2.2.1 图像分割的定义 | 第21-22页 |
| 2.2.2 色彩空间的选择 | 第22-24页 |
| 2.2.3 彩色图像分割方法 | 第24-26页 |
| 2.3 模糊聚类与图像分割的关系 | 第26-28页 |
| 2.3.1 模糊聚类与图像分割 | 第26-27页 |
| 2.3.2 自适应指标与聚类数的关系 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 局部搜索自适应核模糊聚类算法 | 第30-44页 |
| 3.1 核模糊C均值聚类算法 | 第30-36页 |
| 3.1.1 核函数 | 第30-33页 |
| 3.1.2 模糊指数 | 第33-35页 |
| 3.1.3 构造核模糊C-均值聚类 | 第35页 |
| 3.1.4 参数分析 | 第35-36页 |
| 3.2 自适应评价指标 | 第36-37页 |
| 3.3 局部搜索自适应核模糊聚类算法 | 第37-40页 |
| 3.3.1 局部搜索中心初始化 | 第38页 |
| 3.3.2 基于核函数的自适应评价指标 | 第38-39页 |
| 3.3.3 算法原理 | 第39-40页 |
| 3.3.4 复杂度分析 | 第40页 |
| 3.4 实验结果及分析 | 第40-42页 |
| 3.4.1 实验数据分析 | 第40-41页 |
| 3.4.2 实验结果分析 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于超像素的自适应彩色图像分割算法 | 第44-56页 |
| 4.1 图像预处理的有关技术 | 第44-46页 |
| 4.1.1 图像增强 | 第44-45页 |
| 4.1.2 图像恢复 | 第45-46页 |
| 4.1.3 图像过分割 | 第46页 |
| 4.2 超像素概述 | 第46-50页 |
| 4.2.1 超像素定义 | 第46-47页 |
| 4.2.2 超像素的获取方法 | 第47-50页 |
| 4.3 基于超像素的自适应彩色图像分割算法 | 第50-55页 |
| 4.3.1 算法原理 | 第50-51页 |
| 4.3.2 实验分析 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结和展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间的研究成果 | 第64页 |
