| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·图像处理概述 | 第8-9页 |
| ·研究现状 | 第9-12页 |
| ·图像特征提取的研究现状 | 第9-10页 |
| ·图像分割的研究现状 | 第10-11页 |
| ·模糊支持向量机的研究现状 | 第11-12页 |
| ·本文的内容安排 | 第12-13页 |
| 第2章 传统的图像特征提取和图像分割 | 第13-27页 |
| ·传统的图像特征提取 | 第13-17页 |
| ·颜色特征提取 | 第13-15页 |
| ·纹理特征提取 | 第15-16页 |
| ·形状特征提取 | 第16-17页 |
| ·传统的图像分割 | 第17-26页 |
| ·图像分割的定义 | 第17-18页 |
| ·颜色空间 | 第18-20页 |
| ·传统的彩色图像分割方法 | 第20-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 模糊支持向量机理论 | 第27-38页 |
| ·统计学习理论的核心内容 | 第27-30页 |
| ·学习过程一致性的条件 | 第27-28页 |
| ·函数集的VC 维 | 第28页 |
| ·泛化误差的边界 | 第28-29页 |
| ·结构风险最小化原则 | 第29-30页 |
| ·支持向量机理论介绍 | 第30-34页 |
| ·线性支持向量机 | 第30-32页 |
| ·广义最优超平面 | 第32-33页 |
| ·非线性支持向量机 | 第33-34页 |
| ·模糊支持向量机理论 | 第34-37页 |
| ·输入样本的模糊属性 | 第35页 |
| ·两类FSVM | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于gamma 隶属度的FSVM 的彩色图像分割 | 第38-44页 |
| ·FSVM 的构造 | 第38-40页 |
| ·核函数的选取 | 第38页 |
| ·gamma 隶属度函数 | 第38-40页 |
| ·FSVM 应用于彩色图像分割的算法步骤 | 第40页 |
| ·实验仿真与结果分析 | 第40-43页 |
| ·HSI 颜色空间下的颜色特征 | 第41-42页 |
| ·实验仿真结果与结果分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于KNN 隶属度的FSVM 的彩色图像分割 | 第44-50页 |
| ·FSVM 的构造 | 第44-46页 |
| ·KNN 隶属度函数 | 第44-45页 |
| ·加性组合核函数 | 第45-46页 |
| ·FSVM 应用于彩色图像分割的算法步骤 | 第46页 |
| ·实验仿真与结果分析 | 第46-49页 |
| ·HSI 空间下的颜色特征 | 第47-48页 |
| ·实验仿真结果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结和展望 | 第50-52页 |
| ·全文总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间发表的论文 | 第56页 |