基于均值漂移和改进的蚁群聚类算法的图像分割
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·图像分割简介 | 第10-12页 |
| ·图像分割定义 | 第10页 |
| ·图像分割的发展及现状 | 第10-11页 |
| ·图像分割的应用 | 第11-12页 |
| ·Mean Shift和聚类算法 | 第12-13页 |
| ·课题的研究背景和意义 | 第13-14页 |
| ·论文内容安排 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 传统图像分割方法分析 | 第16-37页 |
| ·阈值分割法 | 第16-21页 |
| ·算法简介 | 第16-17页 |
| ·灰度直方图峰谷法 | 第17-18页 |
| ·最大类间方差法 | 第18-19页 |
| ·最大熵自动阈值法 | 第19-20页 |
| ·仿真实验 | 第20-21页 |
| ·边缘检测法 | 第21-26页 |
| ·边缘检测原理 | 第21-22页 |
| ·几种经典的边缘检测算子 | 第22-25页 |
| ·几种算子试验分析 | 第25-26页 |
| ·区域提取法 | 第26-31页 |
| ·区域生长 | 第26-28页 |
| ·分裂合并 | 第28-29页 |
| ·分水岭算法 | 第29-30页 |
| ·仿真实验 | 第30-31页 |
| ·结合特定理论工具分割 | 第31-36页 |
| ·数学形态学 | 第31-33页 |
| ·多阈值分割中小波变换和直方图的应用 | 第33-36页 |
| ·仿真实验 | 第36页 |
| ·本章总结 | 第36-37页 |
| 第三章 均值漂移算法在图像初步分割中的应用 | 第37-49页 |
| ·均值漂移算法简介 | 第37页 |
| ·基本均值漂移及其扩展 | 第37-40页 |
| ·基本均值漂移思想 | 第37-38页 |
| ·扩展的均值漂移 | 第38-40页 |
| ·均值漂移算法的步骤 | 第40-41页 |
| ·均值漂移算法在目标跟踪中的应用 | 第41-44页 |
| ·算法直观描述 | 第41-42页 |
| ·目标跟踪原理 | 第42-43页 |
| ·实现步骤 | 第43页 |
| ·实验结果 | 第43-44页 |
| ·均值漂移算法在本项研究中的应用 | 第44-48页 |
| ·传统应用 | 第44-46页 |
| ·均值漂移算法在新的分割方法中的应用 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 改进的蚁群聚类算法在图像再分割中的应用 | 第49-61页 |
| ·图的建立 | 第49-51页 |
| ·传统的蚁群聚类算法 | 第51-54页 |
| ·蚁群聚类行为 | 第51-52页 |
| ·基本的KLS算法 | 第52-54页 |
| ·改进的蚁群聚类算法(SCAM-ant) | 第54-58页 |
| ·算法简介 | 第54-55页 |
| ·算法实现 | 第55-57页 |
| ·算法在图像分割中的实现 | 第57-58页 |
| ·试验 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 多种图像分割方法的比较与分析 | 第61-71页 |
| ·基于等周算法的图像分割 | 第61-64页 |
| ·图及其基本概念介绍 | 第61-63页 |
| ·等周算法应用于图像分割 | 第63-64页 |
| ·算法分析 | 第64页 |
| ·基于Ncut准则的图像分割 | 第64-66页 |
| ·Ncut准则简介 | 第64-66页 |
| ·算法分析及应用 | 第66页 |
| ·三种算法的比较与分析 | 第66-70页 |
| ·图像分割结果比较 | 第67-68页 |
| ·抗干扰能力比较 | 第68-69页 |
| ·分割效率比较 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结及展望 | 第71-73页 |
| ·全文总结 | 第71-72页 |
| ·不足与展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79页 |
