基于模糊C均值聚类的彩色图像分割算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·图像分割的意义 | 第7-8页 |
| ·聚类分析方法综述 | 第8页 |
| ·FCM算法的图像分割方法综述 | 第8-10页 |
| ·模糊聚类分割的原因及优势 | 第8-9页 |
| ·基于FCM算法的图像分割应用及发展 | 第9-10页 |
| ·研究内容及章节安排 | 第10-11页 |
| ·主要研究目标和研究内容 | 第10页 |
| ·本文组织结构 | 第10-11页 |
| 2 彩色图像分割理论 | 第11-19页 |
| ·彩色图像空间 | 第11-14页 |
| ·线性彩色图像空间 | 第11-12页 |
| ·非线性彩色图像空间 | 第12-14页 |
| ·彩色图像分割方法 | 第14-18页 |
| ·直方图阈值分割方法 | 第15页 |
| ·基于边缘检测的分割方法 | 第15页 |
| ·基于区域的分割方法 | 第15-16页 |
| ·基于图论的分割方法 | 第16-17页 |
| ·基于特定理论的分割方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 聚类方法分析 | 第19-31页 |
| ·聚类分析 | 第19-21页 |
| ·模糊集理论 | 第21-22页 |
| ·模糊聚类方法及准则 | 第22-23页 |
| ·聚类算法的比较分析 | 第23-30页 |
| ·模糊C均值算法 | 第23-24页 |
| ·BIRCH算法 | 第24-26页 |
| ·均值偏移算法 | 第26-29页 |
| ·几种聚类算法的比较分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 结合颜色纹理特征的FCM图像分割算法 | 第31-47页 |
| ·引言 | 第31页 |
| ·结合颜色纹理特征的FCM图像分割算法 | 第31-42页 |
| ·颜色空间的选取 | 第31-35页 |
| ·纹理特征的提取 | 第35-41页 |
| ·结合纹理特征的FCM图像分割算法步骤 | 第41-42页 |
| ·实验与结果分析 | 第42-46页 |
| ·结合颜色纹理特征的FCM算法实验结果 | 第42-44页 |
| ·不同算法分割结果分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 自适应的FCM彩色图像分割算法 | 第47-59页 |
| ·聚类数目的选取 | 第47-50页 |
| ·模糊有效性评价指数方法 | 第47-49页 |
| ·层聚类方法 | 第49-50页 |
| ·聚类中心的初始化 | 第50-51页 |
| ·自适应的FCM彩色图像分割算法 | 第51-53页 |
| ·彩色图像数据预处理 | 第51-52页 |
| ·自适应的FCM彩色图像分割算法步骤 | 第52-53页 |
| ·实验与结果分析 | 第53-58页 |
| ·聚类数目的有效性 | 第53-56页 |
| ·自适应FCM算法的比较分析 | 第56-57页 |
| ·不同分割算法的比较分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
