| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 图像分割与聚类算法 | 第10-11页 |
| 1.1.2 模糊理论及相关模型 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 图像分割方法研究现状 | 第12-14页 |
| 1.2.2 模糊C聚类图像分割算法研究 | 第14-15页 |
| 1.3 文章结构安排 | 第15-17页 |
| 第二章 模糊C聚类算法综述 | 第17-30页 |
| 2.1 模糊理论简介 | 第17-20页 |
| 2.2 聚类算法 | 第20-24页 |
| 2.2.1 聚类算法的类别 | 第20-22页 |
| 2.2.2 聚类过程的步骤 | 第22-24页 |
| 2.3 模糊C聚类算法 | 第24-26页 |
| 2.3.1 目标函数 | 第24-25页 |
| 2.3.2 求解过程 | 第25页 |
| 2.3.3 分割步骤 | 第25-26页 |
| 2.4 已有的改进算法 | 第26-29页 |
| 2.4.1 基于邻域滤波改进的模糊聚类 | 第27-28页 |
| 2.4.2 基于目标函数改进的模糊聚类 | 第28页 |
| 2.4.3 总结 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于HSI彩色坐标相似度改进的分割算法 | 第30-46页 |
| 3.1 主要彩色空间介绍 | 第30-35页 |
| 3.1.1 RGB彩色空间 | 第31页 |
| 3.1.2 YIQ,YUV彩色空间 | 第31-32页 |
| 3.1.3 Lab彩色空间 | 第32-33页 |
| 3.1.4 CMY彩色空间 | 第33-34页 |
| 3.1.5 HSI彩色空间 | 第34-35页 |
| 3.2 彩色图像分割方法 | 第35-37页 |
| 3.2.1 基于阈值 | 第36页 |
| 3.2.2 基于区域 | 第36页 |
| 3.2.3 基于边缘 | 第36-37页 |
| 3.2.4 基于聚类 | 第37页 |
| 3.2.5 基于神经网络 | 第37页 |
| 3.3 常用的距离测度 | 第37-38页 |
| 3.3.1 欧氏距离 | 第37-38页 |
| 3.3.2 闵可夫斯基距离 | 第38页 |
| 3.3.3 马氏距离 | 第38页 |
| 3.3.4 海明距离 | 第38页 |
| 3.4 基于HSI彩色坐标相似度改进的分割算法 | 第38-42页 |
| 3.5 实验结果分析 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于马尔科夫随机场模型与空间邻域约束的多级模糊聚类分割算法 | 第46-60页 |
| 4.1 马尔科夫随机场 | 第46-50页 |
| 4.1.1 邻域系统 | 第46-47页 |
| 4.1.2 基团 | 第47-48页 |
| 4.1.3 马尔科夫随机场 | 第48页 |
| 4.1.4 吉比特场和二者的等价性 | 第48-49页 |
| 4.1.5 最大似然求解 | 第49-50页 |
| 4.2 基于马尔科夫就随机场模型的图像分割理论 | 第50-51页 |
| 4.3 基于马尔科夫随机场模型与空间邻域约束的多级模糊聚类分割算法 | 第51-53页 |
| 4.4 实验结果 | 第53-58页 |
| 4.4.1 合成图像 | 第53-55页 |
| 4.4.2 自然图像 | 第55页 |
| 4.4.3 伯克利数据集 | 第55-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 研究内容总结 | 第60-61页 |
| 5.2 下一步任务 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |