基于GS方法的图像最佳分割的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-15页 |
| ·聚类分析 | 第7-10页 |
| ·最佳聚类数的估计 | 第8-9页 |
| ·GS方法 | 第9-10页 |
| ·图像分割的研究现状与发展趋势 | 第10-13页 |
| ·图像分割的研究现状 | 第10-11页 |
| ·聚类分析在图像分割中的应用研究现状 | 第11页 |
| ·图像分割研究的发展趋势及应用 | 第11-13页 |
| ·论文研究的主要内容 | 第13-15页 |
| ·论文研究对象、目的及意义 | 第13页 |
| ·论文的组织 | 第13页 |
| ·论文的主要工作与创新 | 第13-15页 |
| 2 聚类分析 | 第15-23页 |
| ·聚类的定义 | 第15页 |
| ·相似性度量 | 第15-17页 |
| ·样本间的距离 | 第15-16页 |
| ·类的特征量 | 第16-17页 |
| ·聚类算法 | 第17-21页 |
| ·系统聚类法 | 第17-19页 |
| ·动态聚类法 | 第19-21页 |
| ·分解法 | 第21页 |
| ·本章小结 | 第21-23页 |
| 3 图像分割的方法 | 第23-30页 |
| ·基于阈值的方法 | 第23-24页 |
| ·全局阈值 | 第23-24页 |
| ·局部阈值 | 第24页 |
| ·基于边缘检测的方法 | 第24-25页 |
| ·基于像素分类的方法 | 第25-26页 |
| ·区域增长和分裂合并 | 第25页 |
| ·各种空间聚群技术 | 第25-26页 |
| ·松弛技术 | 第26页 |
| ·基于统计学的方法 | 第26-27页 |
| ·基于变形模板的方法 | 第27-28页 |
| ·结合特定理论的方法 | 第28-29页 |
| ·基于数学形态学的边缘检测方法 | 第28页 |
| ·基于模糊集理论的方法 | 第28页 |
| ·基于小波变换的边缘检测方法 | 第28-29页 |
| ·基于神经网络的分割方法 | 第29页 |
| ·遗传算法在图像分割中的应用 | 第29页 |
| ·本章小结 | 第29-30页 |
| 4 基于 GS方法的图像分割框架的提出 | 第30-41页 |
| ·GS方法 | 第30-36页 |
| ·聚类与划分 | 第30页 |
| ·Gap统计量 | 第30-32页 |
| ·参考分布 | 第32-36页 |
| ·多维数据对象的 GS方法 | 第36-38页 |
| ·基于 GS方法的图像分割框架 | 第38-39页 |
| ·框架的提出 | 第38页 |
| ·框架的结构 | 第38-39页 |
| ·框架提出的意义 | 第39页 |
| ·本章小结 | 第39-41页 |
| 5 最佳自适应k-阈值分割算法 | 第41-50页 |
| ·GS方法的改进 | 第41-43页 |
| ·Gap统计量的修正与计算 | 第41-42页 |
| ·改进后的 GS方法与原 GS方法的比较 | 第42-43页 |
| ·最佳自适应k-阈值分割算法 | 第43-44页 |
| ·实验结果与分析 | 第44-49页 |
| ·算法分割过程 | 第44-45页 |
| ·算法特性分析 | 第45-49页 |
| ·算法提出的意义 | 第49页 |
| ·本章小结 | 第49-50页 |
| 结束语 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
