基于模糊理论的图像分割算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·图像分割的研究背景与意义 | 第10-11页 |
| ·图像分割算法概述 | 第11-13页 |
| ·图像分割定义 | 第11-12页 |
| ·图像分割算法的分类 | 第12-13页 |
| ·图像分割算法的研究现状 | 第13-15页 |
| ·本文研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第2章 基于模糊理论的图像处理理论概述 | 第17-24页 |
| ·模糊集合基础理论 | 第17-20页 |
| ·模糊集合的定义及操作 | 第17-18页 |
| ·模糊距离度量 | 第18-20页 |
| ·基于模糊理论的图像处理算法框架 | 第20-23页 |
| ·模糊图像处理定义 | 第21页 |
| ·模糊图像结构流程 | 第21-22页 |
| ·基于模糊理论的图像处理理论 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于图像像素间空间信息的加权模糊阈值算法 | 第24-39页 |
| ·问题的提出 | 第24-25页 |
| ·Fdm 经典模糊阈值算法分析 | 第25-26页 |
| ·模糊隶属函数的设计 | 第25-26页 |
| ·基于模糊集合距离的择优准则 | 第26页 |
| ·加权模糊阈值分割算法设计 | 第26-34页 |
| ·梯度图像的获取 | 第26-27页 |
| ·Otsu 算法预分割 | 第27-28页 |
| ·灰度直方图与背景类和前景类均值的计算 | 第28-29页 |
| ·灰度值信息的模糊隶属度函数的分析与设计 | 第29-30页 |
| ·空间邻域像素间相似度的设计 | 第30-32页 |
| ·空间信息的模糊隶属度分析与设计 | 第32-33页 |
| ·像素的总的隶属度函数的分析与设计 | 第33-34页 |
| ·初始图像最优值获取方法 | 第34页 |
| ·算法步骤描述 | 第34-37页 |
| ·本算法的结构模块描述 | 第34-36页 |
| ·算法流程描述 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于空间距离的自适应模糊阈值分割算法 | 第39-52页 |
| ·问题提出 | 第39-40页 |
| ·基于模糊集合距离和图像梯度的阈值分割算法分析 | 第40-42页 |
| ·梯度图像模糊集隶属函数的设计 | 第40页 |
| ·模糊集合间距离的定义 | 第40-41页 |
| ·梯度图像的自适应阈值 | 第41页 |
| ·图像最优阈值的计算 | 第41-42页 |
| ·基于空间距离的自适应模糊阈值分割算法 | 第42-43页 |
| ·预处理操作 | 第42页 |
| ·分类集合的均值和方差计算 | 第42页 |
| ·分割阈值平均位置的计算 | 第42-43页 |
| ·模糊集合隶属度函数的分析与设计 | 第43-46页 |
| ·Fdm 算法隶属度函数的分析 | 第43页 |
| ·ITA_IGFSD 算法隶属度函数的分析 | 第43-44页 |
| ·本文新算法隶属度函数的设计 | 第44-46页 |
| ·算法分割准则的分析与设计 | 第46-48页 |
| ·Fdm 算法的分割准则的分析 | 第46-47页 |
| ·Otsu 分割准则的分析 | 第47页 |
| ·ITA_IGFSD 算法分割准则的分析 | 第47页 |
| ·本文新算法的分割准则的分析与设计 | 第47-48页 |
| ·最优值的获取 | 第48页 |
| ·算法流程描述 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 实验与分析 | 第52-65页 |
| ·图像分割质量的评价方法 | 第52-53页 |
| ·分析评价方法 | 第52页 |
| ·实验评价方法 | 第52-53页 |
| ·实验环境 | 第53-54页 |
| ·加权模糊阈值算法的实验结果分析 | 第54-56页 |
| ·自适应模糊阈值分割算法实验结果与分析 | 第56-63页 |
| ·图像分割技术未来的发展趋势 | 第63-64页 |
| ·多种经典算法相互结合 | 第63页 |
| ·人工智能、遗传算法、模糊理论等结合 | 第63页 |
| ·手动交替分割方法的产生 | 第63-64页 |
| ·特定领域专业知识的辅助 | 第64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
