| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究目的和意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本论文研究工作及内容安排 | 第13-15页 |
| ·主要研究工作 | 第13页 |
| ·内容安排 | 第13-15页 |
| 第二章 模糊理论与图像分割 | 第15-24页 |
| ·模糊理论数学基础 | 第15-21页 |
| ·模糊集合的概念 | 第15-17页 |
| ·隶属度函数的构建方法 | 第17-20页 |
| ·模糊熵 | 第20-21页 |
| ·图像的模糊性分析 | 第21-22页 |
| ·模糊理论在图像分割中应用的必要性 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于模糊聚类理论的图像分割方法 | 第24-45页 |
| ·模糊聚类及相关算法 | 第24-26页 |
| ·模糊C均值（FCM）聚类图像分割算法 | 第26-31页 |
| ·FCM图像分割算法 | 第26-28页 |
| ·实验结果分析 | 第28-31页 |
| ·KFCM算法 | 第31-32页 |
| ·包含邻域信息约束项的模糊C均值算法 | 第32-35页 |
| ·FCM_S算法 | 第32-34页 |
| ·FCM_S1算法和FCM_S2算法 | 第34-35页 |
| ·EnFCM算法 | 第35-37页 |
| ·FGFCM算法 | 第37-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于空间信息的核模糊C-均值聚类图像分割 | 第45-58页 |
| ·引言 | 第45-46页 |
| ·RFCM算法 | 第46页 |
| ·改进算法SNRFCM | 第46-48页 |
| ·核表示和核函数 | 第48-49页 |
| ·改进的基于空间信息的核聚类分割算法KSNRFCM | 第49-50页 |
| ·实验结果与讨论 | 第50-57页 |
| ·含噪图像实验结果分析 | 第50-51页 |
| ·图像分割细节实验结果分析 | 第51-57页 |
| ·分割性能指标分析 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |