| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 图像分割方法研究现状 | 第10-13页 |
| 1.3 基于随机游走模型的图像分割发展现状 | 第13-15页 |
| 1.4 文章组织结构及内容安排 | 第15-16页 |
| 第二章 基于随机游走算法的图像分割 | 第16-27页 |
| 2.1 随机游走理论基础 | 第16-18页 |
| 2.1.1 一维随机游走 | 第16页 |
| 2.1.2 二维随机游走 | 第16-17页 |
| 2.1.3 二维平面中的调和函数与狄利克雷边界问题 | 第17-18页 |
| 2.2 传统随机游走 | 第18-23页 |
| 2.2.1 随机游走算法计算思想 | 第18-20页 |
| 2.2.2 边的权值 | 第20页 |
| 2.2.3 求解狄利克雷问题 | 第20-23页 |
| 2.3 随机游走图像分割的特性 | 第23-27页 |
| 第三章 基于超像素的随机游走图像分割算法 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 网格超像素算法 | 第27-30页 |
| 3.2.1 Lab颜色空间边缘梯度检测 | 第27-29页 |
| 3.2.2 网格超像素 | 第29-30页 |
| 3.3 基于超像素的RW图像分割方法—SPRW算法 | 第30-32页 |
| 3.3.1 RW权值的改进 | 第30-31页 |
| 3.3.2 SPRW算法过程描述 | 第31-32页 |
| 3.4 实验结果分析 | 第32-37页 |
| 3.4.1 定性分析 | 第32-35页 |
| 3.4.2 定量分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于CLK_means的随机游走图像分割算法 | 第38-52页 |
| 4.1 引言 | 第38-39页 |
| 4.2 改进K_means聚类算法 | 第39-41页 |
| 4.2.1 K_means聚类算法 | 第39-40页 |
| 4.2.2 初始中心导向型K_means算法 | 第40-41页 |
| 4.3 基于CLK_means改进的随机游走算法理论 | 第41-47页 |
| 4.3.1 数学形态学提纯 | 第42-43页 |
| 4.3.2 基于CLK_means聚类的随机游走算法描述 | 第43-44页 |
| 4.3.3 实验结果与分析 | 第44-47页 |
| 4.4 基于CLK_RW算法的医学图像分割 | 第47-51页 |
| 4.4.1 医学应用背景介绍 | 第47-48页 |
| 4.4.2 改进的CLK_RW算法 | 第48-49页 |
| 4.4.3 实验结果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| 5.1 总结 | 第52页 |
| 5.2 研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录A 本文作者在攻读硕士学位期间发表的论文 | 第57-58页 |
| 致谢 | 第58-59页 |
