| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| 1．1 选题背景 | 第9-13页 |
| 1．1．1 理论意义和研究价值 | 第9-11页 |
| 1．1．2 图像分割研究现状 | 第11-13页 |
| 1．2 基于区域的图像分割研究现状及发展趋势 | 第13-14页 |
| 1．3 本文工作及组织结构 | 第14-15页 |
| 2 基于区域的图像分割方法 | 第15-30页 |
| 2．1 图像分割方法概述 | 第15-17页 |
| 2．1．1 图像分割的分类 | 第15-16页 |
| 2．1．2 各种图像分割方法分割图像的基本依据和条件 | 第16页 |
| 2．1．3 图象分割评价 | 第16-17页 |
| 2．2 基于边缘的图像分割 | 第17-20页 |
| 2．2．1 并行微分算子法 | 第17-18页 |
| 2．2．2 基于曲面拟合的方法 | 第18页 |
| 2．2．3 基于边界曲线拟合的方法 | 第18页 |
| 2．2．4 基于反应—扩散方程的方法 | 第18-19页 |
| 2．2．5 串行边界查找方法 | 第19-20页 |
| 2．2．6 基于形变模型的方法 | 第20页 |
| 2．3 基于区域的图像分割方法 | 第20-25页 |
| 2．3．1 阈值法 | 第20-22页 |
| 2．3．2 区域生长和分裂合并 | 第22页 |
| 2．3．3 分类器和聚类 | 第22-23页 |
| 2．3．4 基于随机场的方法 | 第23-25页 |
| 2．3．5 其它基于统计学的方法 | 第25页 |
| 2．4 边缘与区域相结合的图像分割 | 第25-26页 |
| 2．5 分水岭算法 | 第26-28页 |
| 2．5．1 分水岭算法的基本概念 | 第26-27页 |
| 2．5．2 分水岭算法的实现 | 第27-28页 |
| 2．5．3 一些现有的改进算法 | 第28页 |
| 2．6 小结 | 第28-30页 |
| 3 基于分水岭变换和核聚类算法的图像分割 | 第30-44页 |
| 3．1 概述 | 第30-32页 |
| 3．1．1 聚类分析的研究方向 | 第30-32页 |
| 3．1．2 聚类分析的应用 | 第32页 |
| 3．2 常用聚类算法 | 第32-34页 |
| 3．2．1 C均值聚类 | 第32-33页 |
| 3．2．2 模糊C均值聚类 | 第33-34页 |
| 3．3 核聚类算法 | 第34-38页 |
| 3．3．1 核聚类方法 | 第35-36页 |
| 3．3．2 仿真实验 | 第36-38页 |
| 3．4 改进算法描述 | 第38-39页 |
| 3．5 实验结果和分析 | 第39-42页 |
| 3．6 算法性能比较 | 第42-43页 |
| 3．7 小结 | 第43-44页 |
| 4 融合分水岭变换和图论的图像分割算法 | 第44-56页 |
| 4．1 基于图论的分割方法 | 第44-46页 |
| 4．2 基于图论的图象分割研究现状 | 第46-50页 |
| 4．2．1 最优割集准则的设计 | 第46页 |
| 4．2．2 谱方法 | 第46-48页 |
| 4．2．3 快速算法的设计 | 第48-49页 |
| 4．2．4 其他图论分割方法 | 第49-50页 |
| 4．3 图论分割方法的应用 | 第50页 |
| 4．4 正规化最小割Normalized Cut方法 | 第50-52页 |
| 4．5 改进算法描述 | 第52-53页 |
| 4．6 实验结果和分析 | 第53-54页 |
| 4．7 定量分析 | 第54-55页 |
| 4．8 小结 | 第55-56页 |
| 5 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
| 大连理工大学学位论文版权使用授权书 | 第62页 |