| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 背景及意义 | 第9-10页 |
| 1.2 图像分割的理论基础 | 第10-15页 |
| 1.2.1 图像分割定义 | 第10页 |
| 1.2.2 传统分割方法 | 第10-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 聚类算法 | 第16-29页 |
| 2.1 聚类的描述 | 第16页 |
| 2.2 相似性度量 | 第16-17页 |
| 2.3 聚类分析方法 | 第17-18页 |
| 2.3.1 层次聚类方法 | 第17页 |
| 2.3.2 划分聚类方法 | 第17-18页 |
| 2.3.3 基于优化算法的聚类方法 | 第18页 |
| 2.4 模糊 C 均值聚类算法 | 第18-25页 |
| 2.4.1 模糊理论 | 第18-20页 |
| 2.4.2 数据集的 C 划分 | 第20页 |
| 2.4.3 模糊 C 均值聚类算法 | 第20-22页 |
| 2.4.4 模糊 C 均值聚类图像分割 | 第22-23页 |
| 2.4.5 模糊 C 均值聚类算法的研究现状 | 第23-25页 |
| 2.5 可能性聚类算法 | 第25-28页 |
| 2.5.1 可能性聚类算法 | 第25-26页 |
| 2.5.2 可能性聚类图像分割 | 第26-27页 |
| 2.5.3 可能性聚类算法研究现状 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 马尔科夫随机场约束下的 PCM 图像分割算法 | 第29-35页 |
| 3.1 Markov 随机场与 Gibbs 随机场 | 第29-32页 |
| 3.1.1 邻域系统和势能 | 第29-30页 |
| 3.1.2 马尔科夫随机场 | 第30-31页 |
| 3.1.3 Gibbs 随机场与 Markov 随机场的等效性 | 第31-32页 |
| 3.2 马尔科夫随机场约束下的 PCM 图像分割算法 | 第32-34页 |
| 3.2.1 马尔科夫随机场约束下的 PCM 图像分割算法 | 第32-33页 |
| 3.2.2 实验结果与分析 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 结合改进粒子群算法的模糊 C 均值算法在图像分割中的应用研究 | 第35-49页 |
| 4.1 粒子群算法概述 | 第35-41页 |
| 4.1.1 粒子群算法起源 | 第35页 |
| 4.1.2 基本粒子群优化算法 | 第35-37页 |
| 4.1.3 粒子群算法的计算流程 | 第37-39页 |
| 4.1.4 带惯性权重的粒子群优化算法 | 第39页 |
| 4.1.5 粒子群算法的改进研究 | 第39-41页 |
| 4.2 结合改进粒子群算法的模糊 C 均值算法在图像分割中的应用研究 | 第41-48页 |
| 4.2.1 基于粒子群优化算法的模糊 C 均值算法 | 第41-42页 |
| 4.2.2 动态粒子群算法 | 第42-43页 |
| 4.2.3 改进的速度进化公式 | 第43-45页 |
| 4.2.4 实验结果与分析 | 第45-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 个人简历 | 第55-56页 |
| 在校期间发表的学术论文及研究成果 | 第56页 |
