| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11页 |
| ·图像分割的研究现状 | 第11-14页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 2 图像分割算法的综述 | 第16-25页 |
| ·图像分割的定义 | 第16-17页 |
| ·边缘检测图像分割算法 | 第17-19页 |
| ·区域分割算法 | 第19-21页 |
| ·阈值分割法 | 第19-20页 |
| ·区域生长法 | 第20页 |
| ·分裂合并法 | 第20页 |
| ·松弛迭代法 | 第20-21页 |
| ·聚类法 | 第21页 |
| ·与特定理论结合的图像分割算法 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 3 图像阈值分割算法 | 第25-35页 |
| ·最大类间方差法 | 第26-28页 |
| ·一维Otsu法 | 第26-27页 |
| ·二维Otsu法 | 第27-28页 |
| ·最大熵法 | 第28-32页 |
| ·Kapur法 | 第28-29页 |
| ·二维最大熵法 | 第29页 |
| ·局部熵法 | 第29-31页 |
| ·相关熵法 | 第31页 |
| ·全局熵法 | 第31-32页 |
| ·最小误差法 | 第32-33页 |
| ·矩量保持法 | 第33页 |
| ·简单统计法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于K-means思想的阈值分割算法 | 第35-62页 |
| ·K-means的主要思想 | 第35-37页 |
| ·基于K-means的阈值分割算法的提出 | 第37页 |
| ·K-means阈值分割算法 | 第37-51页 |
| ·参数的选择 | 第38-39页 |
| ·K-means在一维空间的保序性证明 | 第39-41页 |
| ·K-means与Otsu法在多阈值分割上目标函数的等价性证明 | 第41-43页 |
| ·实验分析 | 第43-51页 |
| ·二维K-means阈值分割算法 | 第51-56页 |
| ·二维K-means阈值分割的算法原理 | 第51-54页 |
| ·实验结果分析 | 第54-56页 |
| ·三维K-means阈值分割算法 | 第56-61页 |
| ·三维K-means阈值分割的算法原理 | 第56-59页 |
| ·实验结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 5 基于不同距离的K-means阈值分割算法 | 第62-71页 |
| ·距离函数 | 第62页 |
| ·基于不同距离的K-means算法 | 第62-66页 |
| ·准则函数和类中心的确定 | 第62-64页 |
| ·鲁棒性分析 | 第64-66页 |
| ·基于L1巨离的K-means阈值分割算法 | 第66-67页 |
| ·实验结果分析 | 第67页 |
| ·本章小结 | 第67-71页 |
| 6 结论 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者简历 | 第75-77页 |
| 学位论文数据集 | 第77页 |