| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文的主要内容与组织结构 | 第14-17页 |
| 1.3.1 本文主要研究内容 | 第14-15页 |
| 1.3.2 本文的结构 | 第15-17页 |
| 第二章 基本的彩色图像分割方法 | 第17-31页 |
| 2.1 图像分割定义 | 第17-18页 |
| 2.2 图像分割步骤 | 第18-19页 |
| 2.3 典型的彩色图像分割方法 | 第19-26页 |
| 2.3.1 颜色空间分析 | 第19-20页 |
| 2.3.2 基于聚类的图像分割方法 | 第20-21页 |
| 2.3.3 基于区域的图像分割方法 | 第21-26页 |
| 2.3.3.1 阈值分割方法 | 第21-23页 |
| 2.3.3.2 区域生长算法 | 第23-25页 |
| 2.3.3.3 区域分裂与合并 | 第25-26页 |
| 2.4 基于图的分割方法 | 第26-30页 |
| 2.4.1 像素级图方法 | 第26-28页 |
| 2.4.2 区域级图方法 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于图的彩色图像分割算法改进 | 第31-50页 |
| 3.1 图像分割预处理 | 第31页 |
| 3.2 特征提取及相似性度量 | 第31-41页 |
| 3.2.1 颜色提取及相似性度量 | 第32-34页 |
| 3.2.1.1 颜色空间选择 | 第32页 |
| 3.2.1.2 颜色空间转换及相似性度量 | 第32-34页 |
| 3.2.2 边缘提取及相似性度量 | 第34-37页 |
| 3.2.2.1 边缘特征提取 | 第35-36页 |
| 3.2.2.2 边缘相似性判断 | 第36-37页 |
| 3.2.3 纹理提取及相似性度量 | 第37-41页 |
| 3.2.3.1 纹理特征提取 | 第38-39页 |
| 3.2.3.2 基于Gabor和直方图的纹理统计模型 | 第39-41页 |
| 3.3 邻接图的构造 | 第41-42页 |
| 3.4 基于最优合并成本的区域合并 | 第42-49页 |
| 3.4.1 区域合并条件 | 第42-43页 |
| 3.4.2 区域合并顺序 | 第43-44页 |
| 3.4.3 区域合并 | 第44-49页 |
| 3.4.3.1 区域合并流程 | 第44页 |
| 3.4.3.2 合并邻接区域 | 第44-46页 |
| 3.4.3.3 合并复杂度分析 | 第46-47页 |
| 3.4.3.4 区域合并属性 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 实验结果与分析 | 第50-60页 |
| 4.1 分割数据库及性能评估标准 | 第50页 |
| 4.2 分割结果 | 第50-59页 |
| 4.2.1 实验参数设置 | 第50-51页 |
| 4.2.2 图像分割过程 | 第51-52页 |
| 4.2.3 纹理、边缘对分割效果的影响 | 第52-53页 |
| 4.2.4 分割结果比较 | 第53-59页 |
| 4.2.4.1 已有算法分析 | 第53页 |
| 4.2.4.2 分割结果比较 | 第53-58页 |
| 4.2.4.3 分割性能评估 | 第58-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文工作总结 | 第60-61页 |
| 5.2 未来的工作 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-70页 |
| Ⅳ－2答辩委员会对论文的评定意见 | 第70页 |