基于k均值聚类分割的植物切片特征区域分割方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-18页 |
| 1.2.1 植物研究技术 | 第11-13页 |
| 1.2.2 图像分割技术 | 第13-15页 |
| 1.2.3 图像聚类及其发展 | 第15-18页 |
| 1.3 本文研究内容与安排 | 第18-21页 |
| 1.3.1 论文研究内容 | 第18-19页 |
| 1.3.2 章节安排 | 第19页 |
| 1.3.3 论文主要创新点 | 第19-21页 |
| 第二章 图像分割方法及其适用性分析 | 第21-30页 |
| 2.1 图像分割 | 第21页 |
| 2.2 常用图像分割方法及其适用分析 | 第21-30页 |
| 2.2.1 阈值分割法方法及其分析 | 第22-23页 |
| 2.2.2 边缘检测方法及其分析 | 第23-28页 |
| 2.2.3 基于纹理特征的图像分割方法及其分析 | 第28-30页 |
| 第三章 图像聚类 | 第30-40页 |
| 3.1 图像聚类分割 | 第30页 |
| 3.2 均值漂移聚类算法分析 | 第30-36页 |
| 3.2.1 均值漂移算法 | 第30-32页 |
| 3.2.2 均值漂移算法图像聚类实验 | 第32-36页 |
| 3.2.3 Mean Shift 算法总结 | 第36页 |
| 3.3 k-means 聚类算法分析 | 第36-40页 |
| 3.3.1 k-means 算法 | 第36-38页 |
| 3.3.2 k-means 算法图像聚类实验 | 第38-39页 |
| 3.3.3 k-means 算法的优缺点分析 | 第39-40页 |
| 第四章 图像特征的分析与提取 | 第40-50页 |
| 4.1 图像特征 | 第40页 |
| 4.2 特征分类 | 第40-42页 |
| 4.2.1 颜色特征 | 第40-41页 |
| 4.2.2 形状特征 | 第41页 |
| 4.2.3 空间关系特征 | 第41页 |
| 4.2.4 纹理特征 | 第41-42页 |
| 4.3 特征提取 | 第42-50页 |
| 4.3.1 颜色特征提取 | 第42-44页 |
| 4.3.2 形状特征提取 | 第44-45页 |
| 4.3.3 空间关系特征提取 | 第45页 |
| 4.3.4 纹理特征提取 | 第45-50页 |
| 第五章 植物切片图像特征区域的分割研究 | 第50-60页 |
| 5.1 植物切片图像分析 | 第50-51页 |
| 5.2 植物切片图像特征提取 | 第51-55页 |
| 5.2.1 空间特征提取 | 第51页 |
| 5.2.2 颜色特征提取 | 第51-53页 |
| 5.2.3 纹理特征提取 | 第53-55页 |
| 5.3 聚类处理前的准备 | 第55-57页 |
| 5.3.1 特征空间的降维 | 第55-56页 |
| 5.3.2 聚类像素点的筛选 | 第56-57页 |
| 5.4 图像区域分割处理 | 第57-60页 |
| 5.4.1 像素点分类原理 | 第57页 |
| 5.4.2 实验结果 | 第57-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
