| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-17页 |
| ·图像分割的数学描述 | 第9页 |
| ·图像分割的研究背景 | 第9-10页 |
| ·图像分割的研究现状 | 第10-14页 |
| ·图像分割的发展趋势 | 第14页 |
| ·主要工作与文章结构 | 第14-17页 |
| ·主要工作 | 第14-15页 |
| ·文章结构 | 第15-17页 |
| 第2章 图像分割预处理 | 第17-30页 |
| ·噪声的种类与数学模型 | 第17-18页 |
| ·去噪滤波的原理与对比 | 第18-21页 |
| ·均值滤波与中值滤波对比实验 | 第21-23页 |
| ·改进的脉冲耦合神经网络图像滤波算法 | 第23-27页 |
| ·PCNN 模型与原理 | 第23-25页 |
| ·基于PCNN 的图像去噪方法 | 第25-26页 |
| ·改进PCNN 算法描述 | 第26-27页 |
| ·实验仿真与对比 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于模糊理论的阈值分割方法 | 第30-45页 |
| ·阈值分割的定义 | 第30页 |
| ·常见的阈值分割算法 | 第30-34页 |
| ·直方图谷点确定阈值 | 第30-31页 |
| ·最小误差法 | 第31-32页 |
| ·最大类间方差阈值 | 第32-33页 |
| ·最大熵阈值分割 | 第33-34页 |
| ·模糊集理论简介 | 第34-35页 |
| ·模糊集数学基础 | 第35-37页 |
| ·模糊集合的定义 | 第35页 |
| ·模糊集合的表示 | 第35-36页 |
| ·隶属度函数的确定方法 | 第36-37页 |
| ·Fuzzy Otsu 的一种图像分割方法 | 第37-44页 |
| ·一种基于PCNN 滤波的自适应阈值分割 | 第37页 |
| ·Fuzzy Otsu 算法描述 | 第37-41页 |
| ·Fuzzy Otsu 仿真结果 | 第41-43页 |
| ·Fuzzy Otsu 算法仿真结果分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 结合遗传算法的阈值分割方法 | 第45-58页 |
| ·改进的最大类间方差法 | 第45-49页 |
| ·最大类间方差法的缺陷 | 第45页 |
| ·改进Otsu 算法原理 | 第45-46页 |
| ·改进Otsu 实验结果 | 第46-49页 |
| ·遗传算法概述 | 第49-50页 |
| ·遗传算法基本概念 | 第49页 |
| ·遗传算法的特点 | 第49-50页 |
| ·基本遗传算法运算过程 | 第50-51页 |
| ·编码 | 第50页 |
| ·适应度函数 | 第50页 |
| ·遗传操作 | 第50-51页 |
| ·改进的遗传算法 | 第51-52页 |
| ·一种基于改进遗传算法与改进Otsu 算法的图像分割方法 | 第52-57页 |
| ·算法描述 | 第52-53页 |
| ·数据实验的比较与分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 全文总结 | 第58页 |
| 进一步工作 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 大摘要 | 第66-70页 |