| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像滤波和图像分割现状 | 第10-13页 |
| 1.2.1 图像滤波现状 | 第10-12页 |
| 1.2.2 图像分割现状 | 第12-13页 |
| 1.3 本文研究内容以及论文结构安排 | 第13-15页 |
| 第2章 现有图像滤波和分割算法回顾 | 第15-23页 |
| 2.1 图像滤波算法回顾 | 第15-17页 |
| 2.2 图像分割算法回顾 | 第17-23页 |
| 2.2.1 基于模糊c均值的图像分割算法回顾 | 第17-19页 |
| 2.2.2 基于局部和非局部的图像分割算法回顾 | 第19-23页 |
| 第3章 基于α截断和边缘信息保持的图像滤波算法 | 第23-38页 |
| 3.1 引言 | 第23-24页 |
| 3.2 算法描述 | 第24-29页 |
| 3.2.1 α截断滤波 | 第24-25页 |
| 3.2.2 边缘保持的有指导滤波 | 第25-26页 |
| 3.2.3 对滤波权重的简化和改进 | 第26-29页 |
| 3.2.4 算法步骤 | 第29页 |
| 3.3 算法性能分析 | 第29-32页 |
| 3.3.1 对α截断滤波的分析 | 第29页 |
| 3.3.2 对边缘保持的滤波分析 | 第29-30页 |
| 3.3.3 对算法过程的举例 | 第30-31页 |
| 3.3.4 算法时间复杂度分析 | 第31-32页 |
| 3.4 算法实验结果 | 第32-38页 |
| 3.4.1 参数分析 | 第32-33页 |
| 3.4.2 人工图片的实验结果 | 第33-35页 |
| 3.4.3 真实图片的实验结果 | 第35-37页 |
| 3.4.4 应用于细节增强 | 第37-38页 |
| 第4章 高强度噪声条件下彩色图像的快速分割算法 | 第38-47页 |
| 4.1 引言 | 第38-39页 |
| 4.2 算法描述 | 第39-42页 |
| 4.2.1 α截断滤波 | 第39页 |
| 4.2.2 彩色特征相似性度量 | 第39-40页 |
| 4.2.3 RGB颜色空间量化 | 第40-41页 |
| 4.2.4 基于彩色空间的快速FCM | 第41-42页 |
| 4.3 算法性能分析 | 第42-43页 |
| 4.4 算法实验结果 | 第43-47页 |
| 4.4.1 参数调节 | 第43-44页 |
| 4.4.2 人工图片实验结果 | 第44-45页 |
| 4.4.3 真实图片实验结果 | 第45-47页 |
| 第5章 基于局部相似性和非局部相似性的图像分割方法 | 第47-60页 |
| 5.1 引言 | 第47-48页 |
| 5.2 算法描述 | 第48-52页 |
| 5.2.1 权重结构 | 第48-49页 |
| 5.2.2 PCA降维 | 第49-51页 |
| 5.2.3 自适应参数ε | 第51页 |
| 5.2.4 快速FCM分割算法 | 第51-52页 |
| 5.3 算法性能分析 | 第52-53页 |
| 5.4 算法实验结果 | 第53-60页 |
| 5.4.1 人工图片分割实验结果 | 第53-56页 |
| 5.4.2 真实图片分割实验结果 | 第56-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 硕士期间发表论文 | 第67-68页 |
| 硕士期间参与的项目 | 第68页 |