| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作和组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 图像分割与聚类 | 第15-31页 |
| 2.1 图像分割 | 第15-19页 |
| 2.1.1 图像分割概述 | 第15-17页 |
| 2.1.2 图论基本概念 | 第17-19页 |
| 2.2 聚类 | 第19-22页 |
| 2.2.1 聚类基本概念 | 第19-20页 |
| 2.2.2 聚类常用方法 | 第20-22页 |
| 2.3 聚类在图像分割中的应用 | 第22-23页 |
| 2.4 经典算法 | 第23-30页 |
| 2.4.1 单连接与全连接算法 | 第23-26页 |
| 2.4.2 Minimum Cut 算法 | 第26-28页 |
| 2.4.3 Normalized Cut 算法 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 MRSD 算法 | 第31-49页 |
| 3.1 引言 | 第31-32页 |
| 3.2 理论基础 | 第32-39页 |
| 3.2.1 相关定义 | 第32-33页 |
| 3.2.2 图的着色算法 | 第33-34页 |
| 3.2.3 最远点聚类算法 | 第34-35页 |
| 3.2.4 最小生成树算法 | 第35-36页 |
| 3.2.5 并查集算法 | 第36-39页 |
| 3.3 K=2：一个精确算法 | 第39-42页 |
| 3.3.1 算法思想 | 第39-41页 |
| 3.3.2 复杂度分析 | 第41-42页 |
| 3.4 K≥3 ：一个 2 倍近似算法 | 第42-45页 |
| 3.4.1 算法思想 | 第42-44页 |
| 3.4.2 复杂度分析 | 第44-45页 |
| 3.5 实验对比 | 第45-47页 |
| 3.5.1 实验方案 | 第45-46页 |
| 3.5.2 实验结果 | 第46-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 基于 K-means 的 MRSD 算法 | 第49-58页 |
| 4.1 算法思想 | 第49-50页 |
| 4.2 算法过程 | 第50-52页 |
| 4.2.1 预分割：K-means | 第50-52页 |
| 4.2.2 细分割：MRSD | 第52页 |
| 4.3 复杂度分析 | 第52页 |
| 4.4 实验与分析 | 第52-57页 |
| 4.4.1 实验方案 | 第52-53页 |
| 4.4.2 实验结果 | 第53-56页 |
| 4.4.3 结果分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于自适应阈值的 MRSD 算法 | 第58-73页 |
| 5.1 算法思想 | 第58-59页 |
| 5.2 算法过程 | 第59-65页 |
| 5.2.1 一阶段分割：色差 | 第59-61页 |
| 5.2.2 二阶段分割：自适应阈值 | 第61-64页 |
| 5.2.3 三阶段分割：MRSD | 第64-65页 |
| 5.3 复杂度分析 | 第65页 |
| 5.4 实验与分析 | 第65-72页 |
| 5.4.1 实验方案 | 第65页 |
| 5.4.2 实验结果 | 第65-71页 |
| 5.4.3 结果分析 | 第71-72页 |
| 5.5 本章小结 | 第72-73页 |
| 总结和展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附录1 基于 K-means 的 MRSD 算法实验结果 | 第81-84页 |
| 附录2 基于自适应阈值的 MRSD 算法实验结果 | 第84-87页 |
| 附件 | 第87页 |