基于聚类的图像目标分割方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 图像分割研究现状 | 第16-18页 |
| 1.3 聚类算法的研究进展 | 第18-19页 |
| 1.4 论文的主要工作和章节安排 | 第19-21页 |
| 第二章 传统的聚类分割方法与客观评价标准 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 K均值聚类法 | 第21-24页 |
| 2.2.1 K均值分割算法 | 第21-22页 |
| 2.2.2 实验结果与分析 | 第22-24页 |
| 2.3 模糊C均值聚类法 | 第24-29页 |
| 2.3.1 传统的模糊C均值分割算法 | 第24-25页 |
| 2.3.2 基于势函数的自适应模糊C均值分割算法 | 第25-27页 |
| 2.3.3 实验结果与分析 | 第27-29页 |
| 2.4 图像分割评价方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章基于改进的FCM和均值漂移的图像分割算法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 均值漂移聚类算法 | 第31-36页 |
| 3.2.1 均值漂移聚类原理 | 第31-34页 |
| 3.2.2 均值漂移图像分割算法 | 第34-36页 |
| 3.3 基于改进的FCM和均值漂移的图像分割算法 | 第36-44页 |
| 3.3.1 一种改进的FCM算法 | 第36-37页 |
| 3.3.2 算法的原理及步骤 | 第37-39页 |
| 3.3.3 实验结果与分析 | 第39-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于区域合并的图论分割算法 | 第45-61页 |
| 4.1 引言 | 第45页 |
| 4.2 基于图论的分割方法原理 | 第45-51页 |
| 4.2.1 基于图论的图像分割准则 | 第46-49页 |
| 4.2.2 基于区域合并的图论分割算法 | 第49-51页 |
| 4.3 一种改进的基于区域合并的图论分割算法 | 第51-60页 |
| 4.3.1 区域生长法 | 第51-52页 |
| 4.3.2 算法的原理和步骤 | 第52-54页 |
| 4.3.3 实验结果与分析 | 第54-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
