| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 背景与意义 | 第10-11页 |
| 1.2 图像分割的研究现状 | 第11-13页 |
| 1.3 模糊聚类分割算法的研究现状 | 第13-16页 |
| 1.4 模糊聚类算法应用于图像分割存在的缺陷 | 第16-18页 |
| 1.5 本文的主要工作及内容安排 | 第18-20页 |
| 第2章 模糊聚类算法原理 | 第20-26页 |
| 2.1 模糊集理论简介 | 第20-21页 |
| 2.2 聚类分析的数学模型 | 第21页 |
| 2.3 模糊c-划分 | 第21-22页 |
| 2.4 模糊c均值聚类算法 | 第22-24页 |
| 2.5 图像分割的评价指标 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于FCM的灰度图像分割算法 | 第26-37页 |
| 3.1 基于模糊直方图的FCM算法 | 第26-28页 |
| 3.2 基于局部空间信息的FCM算法 | 第28-31页 |
| 3.3 基于非局部空间信息的FCM算法 | 第31-32页 |
| 3.4 非局部空间自适应FCM聚类算法 | 第32-34页 |
| 3.5 实验及分析 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于FCM的Lab空间色彩分割算法 | 第37-53页 |
| 4.1 引言 | 第37页 |
| 4.2 CIELab色彩空间 | 第37-39页 |
| 4.3 基于模糊Histon阈值和FCM的色彩分割算法 | 第39-47页 |
| 4.3.1 模糊Histon峰值算法 | 第39-42页 |
| 4.3.2 区域初始分割 | 第42页 |
| 4.3.3 区域颜色相似性合并 | 第42-43页 |
| 4.3.4 自适应FCM聚类算法 | 第43-44页 |
| 4.3.5 实验比较与结果分析 | 第44-47页 |
| 4.4 结合纹理特征的FCM色彩分割算法 | 第47-52页 |
| 4.4.1 纹理特征组合 | 第47-49页 |
| 4.4.2 实验比较与结果分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |