基于模糊聚类分析的彩色图象分割算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·模糊聚类分割的原因 | 第9-12页 |
| ·FCM 算法的图象分割研究综述 | 第12-15页 |
| ·图象分割面临的问题 | 第12-13页 |
| ·图象的模糊 C-均值聚类分割的应用和发展 | 第13-15页 |
| ·图象分割的原理 | 第15-16页 |
| ·本文研究目标和主要研究内容 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 2 彩色图象分割的研究 | 第18-39页 |
| ·引言 | 第18-19页 |
| ·彩色空间的表示 | 第19-28页 |
| ·色彩模型 | 第19-20页 |
| ·彩色坐标变换 | 第20-27页 |
| ·线性彩色空间和非线性彩色空间的比较 | 第27-28页 |
| ·彩色图象分割的方法 | 第28-37页 |
| ·直方图阈值法 | 第28-29页 |
| ·色彩空间聚类 | 第29-30页 |
| ·基于区域的分割方法 | 第30-32页 |
| ·边缘检测的分割方法 | 第32-35页 |
| ·基于模糊集理论的方法 | 第35-36页 |
| ·基于神经网络的方法 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 3 模糊聚类（FCM）算法及其改进算法 | 第39-47页 |
| ·引言 | 第39-42页 |
| ·数据集 X 的 C-划分 | 第40页 |
| ·硬 C-均值聚类算法 | 第40-41页 |
| ·模糊 C 均值聚类算法 | 第41-42页 |
| ·FCM 算法 | 第42-45页 |
| ·标准的 FCM 算法 | 第42-43页 |
| ·加权 FCM 算法 | 第43页 |
| ·带有惩罚项的 FCM 算法 | 第43-44页 |
| ·全局 FCM 算法 | 第44-45页 |
| ·快速全局 FCM 聚类算法 | 第45页 |
| ·本章小结 | 第45-47页 |
| 4 基于改进的 FCM 算法的彩色图象分割 | 第47-68页 |
| ·引言 | 第47-48页 |
| ·基于 FCM 聚类的图象分割算法的描述 | 第48-50页 |
| ·图象的二维灰度特征空间 | 第48-49页 |
| ·基于 FCM 聚类的图象分割算法 | 第49-50页 |
| ·改进的 FCM 聚类算法 | 第50-54页 |
| ·EFCM 图象分割算法 | 第50-52页 |
| ·EFCM 分割算法参数的初始化 | 第52-54页 |
| ·灰度图象中的 EFCM 分割算法 | 第54-61页 |
| ·灰度图象的去噪处理 | 第54-55页 |
| ·灰度图象的边缘检测 | 第55-56页 |
| ·EFCM 聚类迭代 | 第56-58页 |
| ·灰度图象分割算法对比 | 第58-61页 |
| ·彩色图象的 EFCM 分割算法 | 第61-67页 |
| ·彩色空间的选择 | 第61-62页 |
| ·彩色图象的边缘检测 | 第62-64页 |
| ·彩色图象的 EFCM 分割 | 第64页 |
| ·彩色图象分割算法的对比 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| ·创新点和主要工作 | 第68页 |
| ·今后的研究工作 | 第68-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
