| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 图像处理概述 | 第9页 |
| 1.2 图像分割简介 | 第9-11页 |
| 1.2.1 图像分割概念及研究意义 | 第9-10页 |
| 1.2.2 图像分割方法概述 | 第10-11页 |
| 1.3 本文主要研究工作 | 第11-12页 |
| 1.3.1 提出基于非欧度量的聚类算法 | 第11-12页 |
| 1.3.2 提出一种新的融合空间与密度信息的模糊图像分割算法 | 第12页 |
| 1.4 本文主要章节与安排 | 第12-13页 |
| 第二章 基于聚类的图像分割、分类方法 | 第13-28页 |
| 2.1 聚类概述 | 第13-15页 |
| 2.1.1 聚类概念 | 第13页 |
| 2.1.2 经典聚类算法简介 | 第13-15页 |
| 2.2 提出新的基于非欧度量的聚类算法 | 第15-18页 |
| 2.2.1 非欧度量 | 第15-16页 |
| 2.2.2 实验结果评价与分析 | 第16-18页 |
| 2.3 基于聚类的图像分割方法 | 第18-21页 |
| 2.3.1 谱图分割方法 | 第19-20页 |
| 2.3.2 模糊聚类图像分割算法 | 第20-21页 |
| 2.4 基于聚类的图像分类方法 | 第21-28页 |
| 2.4.1 图像分类方法概述 | 第22-23页 |
| 2.4.2 基于聚类的图像分类方法 | 第23-28页 |
| 第三章 经典图像分割算法回顾 | 第28-33页 |
| 3.1 基于显著性区域检测的图像分割算法 | 第28-30页 |
| 3.1.1 显著性区域检测方法概述 | 第28-29页 |
| 3.1.2 基于显著图的图像分割方法 | 第29-30页 |
| 3.2 传统的基于模糊连通度的图像分割方法 | 第30-33页 |
| 3.2.1 模糊集，模糊关系 | 第30-31页 |
| 3.2.2 模糊 adjacency 关系，模糊 affinity 关系，路径，模糊连通度 | 第31-32页 |
| 3.2.3 模糊连通目标提取 | 第32页 |
| 3.2.4 算法 | 第32-33页 |
| 第四章 一种新的融合空间与密度信息的模糊图像分割算法 | 第33-54页 |
| 4.1 空间邻域密度 | 第33-35页 |
| 4.2 基于空间邻域密度的模糊测度 | 第35-37页 |
| 4.3 融合空间与密度信息的模糊目标提取算法 | 第37-43页 |
| 4.3.1 算法理论 | 第37-39页 |
| 4.3.2 模糊目标提取 | 第39-41页 |
| 4.3.3 算法 | 第41-43页 |
| 4.4 与传统的模糊连通度图像分割方法的比较 | 第43-46页 |
| 4.4.1 等价类与一致类比较 | 第43-44页 |
| 4.4.2 种子点选择方式比较 | 第44页 |
| 4.4.3 分割结果对噪声的敏感性比较 | 第44页 |
| 4.4.4 多种子点情况下的阈值选择比较 | 第44-45页 |
| 4.4.5 算法复杂度比较 | 第45-46页 |
| 4.5 实验结果分析与评价 | 第46-54页 |
| 4.5.1 新的融合空间与密度信息的模糊图像分割算法参数分析 | 第47-48页 |
| 4.5.2 实验结果比较与评价 | 第48-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 在学期间的研究成果及发表的学术论文 | 第61页 |
