| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的意义 | 第8-9页 |
| ·图像分割的概念及理论基础 | 第9-10页 |
| ·图像分割算法概述 | 第10-12页 |
| ·阈值化分割方法 | 第10-11页 |
| ·基于边缘检测的方法 | 第11页 |
| ·基于区域的分割方法 | 第11页 |
| ·彩色图像分割方法 | 第11-12页 |
| ·纹理图像分割方法 | 第12页 |
| ·其它基于特定理论工具的分割技术 | 第12页 |
| ·本文主要内容与章节安排 | 第12-14页 |
| 第二章 模糊理论与应用 | 第14-19页 |
| ·模糊理论的现状 | 第14页 |
| ·模糊集基础 | 第14-16页 |
| ·模糊理论在图像处理中的应用 | 第16-17页 |
| ·图像分割中的模糊技术 | 第17-19页 |
| 第三章 基于模糊熵的图像阈值分割 | 第19-30页 |
| ·引言 | 第19页 |
| ·阈值分割原理 | 第19-20页 |
| ·基于模糊熵的图像分割算法 | 第20-25页 |
| ·模糊集定义 | 第20页 |
| ·图像的模糊熵 | 第20-21页 |
| ·一维最大模糊熵阈值分割 | 第21-22页 |
| ·二维最大模糊熵阈值分割 | 第22-24页 |
| ·实验结果与分析 | 第24-25页 |
| ·基于代价函数和新模糊熵的图像分割方法 | 第25-30页 |
| ·新图像模糊熵的定义 | 第26-27页 |
| ·新算法及其仿真结果 | 第27-30页 |
| 第四章 基于模糊C 均值聚类算法的图像分割 | 第30-40页 |
| ·聚类分析 | 第30-31页 |
| ·聚类分析简介 | 第30页 |
| ·聚类分析在图像分割中的应用 | 第30-31页 |
| ·模糊C 均值聚类 | 第31-35页 |
| ·硬C 均值(HCM)法 | 第31-33页 |
| ·模糊C 均值(FCM)法 | 第33-35页 |
| ·FCM 聚类算法存在的问题 | 第35页 |
| ·改进的模糊C 均值聚类分割算法 | 第35-40页 |
| ·标准模糊C 均值聚类算法 | 第35-36页 |
| ·结合空间信息的模糊C 均值聚类分割算法 | 第36-37页 |
| ·对FCM 算法参数的改进 | 第37页 |
| ·对算法运行速度的改进 | 第37-39页 |
| ·实验结果与分析 | 第39-40页 |
| 第五章 利用遗传算法优化模糊C 均值聚类算法的图像分割方法 | 第40-48页 |
| ·遗传算法简介 | 第40-43页 |
| ·标准遗传算法要素 | 第40-42页 |
| ·遗传算法的特点 | 第42页 |
| ·标准遗传算法的基本流程 | 第42-43页 |
| ·结合空间信息的模糊C 均值算法的基本思想 | 第43-44页 |
| ·遗传算法与模糊C 均值结合的图像分割方法 | 第44-48页 |
| ·算法实现步骤 | 第45页 |
| ·参数的选择与实验结果分析 | 第45-48页 |
| 第六章 结束语 | 第48-50页 |
| ·总结 | 第48页 |
| ·展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 研究生期间发表的论文 | 第53-54页 |
| 致谢 | 第54页 |