基于图象分类的图象分割算法研究与实现
| 第1章 绪论 | 第1-15页 |
| 1．1 图象分割的概述 | 第8-9页 |
| 1．2 图象分割的定义 | 第9-10页 |
| 1．3 分割算法的分类 | 第10-12页 |
| 1．4 论文的研究背景、任务和结构 | 第12-15页 |
| 1．4．1 论文研究的背景、目的和意义 | 第12-13页 |
| 1．4．2 本文所做的主要工作与文章框架 | 第13-15页 |
| 第2章 图象分割的基本方法 | 第15-25页 |
| 2．1 基于边界的分割 | 第15-19页 |
| 2．1．1 微分算子边缘检测 | 第16页 |
| 2．1．2 边缘拟合与边界闭合 | 第16-17页 |
| 2．1．3 哈夫变换 | 第17页 |
| 2．1．4 边界跟踪 | 第17-18页 |
| 2．1．5 曲线拟合 | 第18-19页 |
| 2．1．6 状态空间搜索 | 第19页 |
| 2．1．7 动态规划 | 第19页 |
| 2．2 基于区域的分割 | 第19-25页 |
| 2．2．1 阈值化分割 | 第20-21页 |
| 2．2．2 特征空间聚类 | 第21页 |
| 2．2．3 区域生长 | 第21-22页 |
| 2．2．4 分裂合并 | 第22-25页 |
| 第3章 纹理与非纹理图象的自动分类 | 第25-42页 |
| 3．1 小波变换的基本原理简介 | 第25-37页 |
| 3．1．1 连续和离散小波变换 | 第26-27页 |
| 3．1．2 多分辨率分析 | 第27-29页 |
| 3．1．3 小波变换的Mallat算法 | 第29-32页 |
| 3．1．4 信号的小波分解与重构 | 第32-35页 |
| 3．1．5 二维小波变换 | 第35-37页 |
| 3．2 利用小波变换的提取特征矢量 | 第37-38页 |
| 3．3 K-均值聚类区域分割 | 第38-40页 |
| 3．4 图象自动分类 | 第40-42页 |
| 第4章 纹理图象的分割 | 第42-50页 |
| 4．1 小波基的选择及纹理特征的提取 | 第43-44页 |
| 4．2 聚类数的确定 | 第44-46页 |
| 4．3 纹理图象粗分割 | 第46页 |
| 4．4 纹理图象细分割 | 第46-48页 |
| 4．4．1 特征矢量的加权 | 第46-47页 |
| 4．4．2 最小距离分类 | 第47-48页 |
| 4．5 纹理图象分割结果 | 第48-50页 |
| 第5章 非纹理图象的分割 | 第50-63页 |
| 5．1 HSV颜色空间直方图定义 | 第51-53页 |
| 5．1．1 常用的彩色空间及颜色模型的转换 | 第51-52页 |
| 5．1．2 HSV颜色空间直方图 | 第52-53页 |
| 5．2 直方图高斯函数拟合 | 第53-58页 |
| 5．2．1 自适应旋转投影分解法 | 第53-54页 |
| 5．2．2 灰度直方图的高斯函数拟合 | 第54-56页 |
| 5．2．3 最优阈值分割及阈值分离度 | 第56-58页 |
| 5．3 基于 HSV联合概率度区域分割 | 第58-61页 |
| 5．4 非纹理图象分割结果 | 第61-63页 |
| 第6章 总结与展望 | 第63-66页 |
| 6．1 论文所做的主要工作 | 第63-64页 |
| 6．2 改进与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 硕士期间参加的科研项目和发表的论文 | 第71页 |
