| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 图像分割国内外研究情况 | 第10-17页 |
| 1.2.1 基于阈值的分割算法 | 第11-13页 |
| 1.2.2 基于边缘检测的分割算法 | 第13-15页 |
| 1.2.3 基于区域分割的分割算法 | 第15-16页 |
| 1.2.4 基于一些特定理论的分割算法 | 第16-17页 |
| 1.3 论文主要工作 | 第17-19页 |
| 第二章 基于模糊聚类的图像分割理论 | 第19-31页 |
| 2.1 模糊聚类的理论基础 | 第19-23页 |
| 2.1.1 模糊理论的发展与现状 | 第19-20页 |
| 2.1.2 模糊集合理论 | 第20-21页 |
| 2.1.3 聚类分析方法 | 第21-23页 |
| 2.2 模糊 C 均值聚类 | 第23-26页 |
| 2.2.1 理论基础 | 第23-24页 |
| 2.2.2 算法过程 | 第24-26页 |
| 2.3 模糊 C 均值聚类用于图像分割 | 第26-30页 |
| 2.3.1 模糊 C 均值聚类用于图像分割的优势 | 第27页 |
| 2.3.2 模糊 C 均值聚类用于图像分割的存在的问题 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于邻域像素类属约束的 FCM 图像分割算法 | 第31-45页 |
| 3.1 常见提高 FCM 鲁棒性的方法 | 第31-36页 |
| 3.1.1 基于距离改进的 FCM 算法 | 第31-34页 |
| 3.1.2 基于目标函数改进的 FCM 算法 | 第34-36页 |
| 3.2 基于邻域像素类属约束的 FCM 图像分割算法 | 第36-39页 |
| 3.3 试验分析 | 第39-44页 |
| 3.3.1 算法分析 | 第39-42页 |
| 3.3.2 分割效果对比 | 第42页 |
| 3.3.3 客观指标对比 | 第42-44页 |
| 3.4 小结 | 第44-45页 |
| 第四章 基于子图分解与区域合并的 FCM 图像分割算法 | 第45-59页 |
| 4.1 常见的自动确定聚类数的方法 | 第45-47页 |
| 4.2 基于子图分解与区域合并的 FCM 图像分割算法 | 第47-52页 |
| 4.2.1 图像直方图的信息熵与聚类峰值数 | 第47-49页 |
| 4.2.2 区域间的巴氏距离 | 第49页 |
| 4.2.3 整体算法流程 | 第49-52页 |
| 4.3 实验分析 | 第52-58页 |
| 4.3.1 算法分析 | 第52-54页 |
| 4.3.2 分割效果对比 | 第54-56页 |
| 4.3.3 客观指标对比 | 第56-58页 |
| 4.4 结论 | 第58-59页 |
| 总结与展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |
