| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| §1-1 研究背景 | 第8-9页 |
| §1-2 国内外研究现状 | 第9-11页 |
| §1-3 本文的主要研究工作 | 第11-12页 |
| 第二章 模糊聚类算法 | 第12-18页 |
| §2-1 模糊理论基础 | 第12-13页 |
| 2-1-1 模糊集合理论 | 第12-13页 |
| 2-1-2 模糊隶属度 | 第13页 |
| §2-2 模糊聚类分析 | 第13-16页 |
| 2-2-1 硬C均值聚类算法 | 第14-15页 |
| 2-2-2 模糊C均值聚类算法 | 第15-16页 |
| §2-3 常见的几种模糊聚类的改进方法 | 第16-17页 |
| 2-3-1 优选模糊加权指数m | 第16页 |
| 2-3-2 确定聚类类别数目c | 第16-17页 |
| 2-3-3 初始化聚类中心 | 第17页 |
| §2-4 本章小结 | 第17-18页 |
| 第三章 图像分割算法 | 第18-26页 |
| §3-1 阈值化分割法 | 第19-20页 |
| §3-2 边缘检测法 | 第20-22页 |
| §3-3 区域分割法 | 第22-23页 |
| §3-4 图像分割质量的评价方法 | 第23-24页 |
| §3-5 基于模糊聚类的图像分割算法的相关研究 | 第24-25页 |
| 3-5-1 引入核函数与空间领域信息 | 第24-25页 |
| 3-5-2 改变隶属度函数的约束条件 | 第25页 |
| §3-6 本章小结 | 第25-26页 |
| 第四章 改进的模糊C均值聚类算法 | 第26-38页 |
| §4-1 均值漂移算法 | 第26-30页 |
| 4-1-1 均值漂移算法 | 第26-27页 |
| 4-1-2 Mean Shift算法的应用 | 第27-30页 |
| §4-2 基于均值漂移的FCM聚类算法 | 第30-37页 |
| 4-2-1 基于均值漂移的模糊C均值聚类算法（MSFCM） | 第30-34页 |
| 4-2-2 基于各向异性均值漂移的FCM聚类算法（AMSFCM） | 第34-37页 |
| §4-3 本章小结 | 第37-38页 |
| 第五章 基于模糊C均值聚类算法的图像分割 | 第38-48页 |
| §5-1 确定聚类数目 | 第38-39页 |
| §5-2 基于FCM聚类算法的图像分割 | 第39-40页 |
| §5-3 基于改进的FCM聚类算法的图像分割 | 第40-42页 |
| 5-3-1 基于MSFCM聚类算法的图像分割 | 第40-41页 |
| 5-3-2 基于AMSFCM聚类算法的图像分割 | 第41-42页 |
| §5-4 实验结果与分析 | 第42-47页 |
| §5-5 结论 | 第47-48页 |
| 第六章 总结和展望 | 第48-49页 |
| §6-1 本文研究工作的总结 | 第48页 |
| §6-2 后续工作的展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51页 |