基于改进FCM算法的彩色图像分割研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 论文研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 图像分割技术研究现状 | 第10页 |
| 1.2.2 模糊C均值聚类算法研究现状 | 第10-11页 |
| 1.2.3 细菌觅食算法研究现状 | 第11-12页 |
| 1.3 本文研究内容和组织框架 | 第12-13页 |
| 2 彩色图像分割 | 第13-22页 |
| 2.1 图像分割概述 | 第13页 |
| 2.2 图像分割方法 | 第13-16页 |
| 2.2.1 基于边缘检测的分割方法 | 第13-14页 |
| 2.2.2 基于像素相似性的分割方法 | 第14-15页 |
| 2.2.3 其他方法 | 第15-16页 |
| 2.3 色彩空间 | 第16-22页 |
| 2.3.1 颜色的性质 | 第16-17页 |
| 2.3.2 彩色空间的表示 | 第17-20页 |
| 2.3.3 RGB空间色彩特征因子分析 | 第20-22页 |
| 3 FCM在图像分割中的应用 | 第22-27页 |
| 3.1 模糊C均值聚类算法分析 | 第22-23页 |
| 3.2 噪声点修正算法 | 第23-24页 |
| 3.2.1 邻域信息函数 | 第23页 |
| 3.2.2 噪声点判断条件 | 第23-24页 |
| 3.2.3 修正算法实现 | 第24页 |
| 3.3 实验结果与分析 | 第24-27页 |
| 4 BFO-FCM算法 | 第27-45页 |
| 4.1 细菌觅食优化算法 | 第27-32页 |
| 4.1.1 细菌觅食优化算法简介 | 第27-31页 |
| 4.1.2 细菌觅食优化算法分析 | 第31-32页 |
| 4.2 细菌觅食优化算法改进 | 第32-42页 |
| 4.2.1 自适应步长 | 第32-33页 |
| 4.2.2 差分细菌觅食算法 | 第33-42页 |
| 4.3 基于BFO的FCM算法 | 第42-45页 |
| 4.3.1 BFO与FCM结合 | 第42-43页 |
| 4.3.2 改进算法效果验证 | 第43-45页 |
| 5 自适应数据源的图像分割方法 | 第45-53页 |
| 5.1 自适应数据源彩色花卉图像分割 | 第45-49页 |
| 5.1.1 R-G色差分量 | 第45-46页 |
| 5.1.2 BFO-FCM方法 | 第46页 |
| 5.1.3 新的模糊聚类评价函数 | 第46-47页 |
| 5.1.4 新的图像分割方法处理流程 | 第47-49页 |
| 5.2 实验结果及其分析 | 第49-53页 |
| 总结与展望 | 第53-55页 |
| 全文工作总结 | 第53页 |
| 未来研究展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间的研究成果 | 第59页 |
