气液两相图像识别的研究
| 第1章 绪论 | 第1-12页 |
| 1．1 本文课题的背景 | 第8-10页 |
| 1．2 本文的工作 | 第10-12页 |
| 第2章 图象非线性增强 | 第12-19页 |
| 2．1 引言 | 第12-13页 |
| 2．2 图象模糊增强算法 | 第13-15页 |
| 2．3 对模糊增强算法的改进 | 第15-19页 |
| 第3章 基于聚类分析算法的图象分割 | 第19-37页 |
| 3．1 现有分割方法概述 | 第19-23页 |
| 3．1．1 阈值分割方法 | 第19-20页 |
| 3．1．2 边缘检测 | 第20-22页 |
| 3．1．3 统计学分割方法 | 第22-23页 |
| 3．1．4 结合区域与边界信息的方法 | 第23页 |
| 3．2 基于模糊c-均值聚类的分割算法 | 第23-37页 |
| 3．2．1 模糊聚类算法 | 第23-26页 |
| 3．2．2 直方图模糊约束FCM聚类分割算法 | 第26-33页 |
| 3．2．3 二维熵阈值化与FCM结合的分割方法 | 第33-37页 |
| 第4章 图像的二值形态学处理 | 第37-45页 |
| 4．1 引言 | 第37-38页 |
| 4．2 腐蚀与膨胀 | 第38-41页 |
| 4．3 流域分割方法 | 第41-43页 |
| 4．4 运算步骤及结果 | 第43-45页 |
| 第5章 基于模糊聚类的目标分类 | 第45-53页 |
| 5．1 目标分类特征的确定和计算 | 第45-48页 |
| 5．1．1 特征的选择 | 第45-46页 |
| 5．1．2 模式特征向量参数的计算 | 第46-48页 |
| 5．2 目标分类 | 第48-49页 |
| 5．3 分类结果及结论 | 第49-53页 |
| 第6章 模糊聚类算法的进展 | 第53-73页 |
| 6．1 模糊聚类理论的发展及应用 | 第53-60页 |
| 6．1．1 模糊聚类的目标函数 | 第53-56页 |
| 6．1．2 模糊聚类算法的实现 | 第56-58页 |
| 6．1．3 模糊聚类的有效性 | 第58-59页 |
| 6．1．4 模糊聚类的应用 | 第59-60页 |
| 6．2 加权指数m | 第60-63页 |
| 6．2．1 加权指数m对FCM算法的影响： | 第60-62页 |
| 6．2．2 加权指数m的选取方法 | 第62-63页 |
| 6．3 聚类中心的初始化 | 第63-66页 |
| 6．4 聚类有效性函数 | 第66-68页 |
| 6．4．2 基于模糊相关度的聚类有效性函数 | 第66-67页 |
| 6．4．1 基于包含度的聚类有效性函数 | 第67-68页 |
| 6．5 FCM算法的改进 | 第68-73页 |
| 6．5．1 特征空间中的FCM算法 | 第68-71页 |
| 6．5．2 针对加权指数改进的FCM算法 | 第71-73页 |
| 参考文献 | 第73-81页 |
