基于聚类分析的纹理图像分割算法研究与设计
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 纹理特征提取方法研究现状 | 第13-15页 |
| 1.3 聚类分割算法研究现状 | 第15-17页 |
| 1.4 本文研究内容与结构安排 | 第17-18页 |
| 2 聚类分析 | 第18-29页 |
| 2.1 聚类基本概念 | 第18页 |
| 2.2 聚类常用方法 | 第18-19页 |
| 2.3 有效性评价 | 第19-20页 |
| 2.4 经典聚类算法 | 第20-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 多特征融合的纹理特征提取方法 | 第29-40页 |
| 3.1 单一的纹理特征提取 | 第29-34页 |
| 3.2 多特征融合的纹理特征提取 | 第34-35页 |
| 3.3 采用k-means算法进行纹理图像分割 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于集成聚类的纹理图像分割 | 第40-50页 |
| 4.1 稀疏AP算法近似抽样 | 第40-42页 |
| 4.2 集成聚类算法 | 第42-45页 |
| 4.3 采用集成聚类算法进行纹理图像分割 | 第45页 |
| 4.4 实验结果及分析 | 第45-48页 |
| 4.5 本章小结 | 第48-50页 |
| 5 基于相对密度的模糊C均值聚类的纹理图像分割 | 第50-58页 |
| 5.1 基于相对密度的FCM聚类算法 | 第50-53页 |
| 5.2 采用RD_FCM算法进行纹理图像分割 | 第53-54页 |
| 5.3 实验结果及分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
| 致谢 | 第66页 |
