基于聚类分析的图像处理技术
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7页 |
| 1.2 图像分割概述 | 第7-12页 |
| 1.2.1 基于阈值的分割方法 | 第8-9页 |
| 1.2.2 基于边缘的分割方法 | 第9-10页 |
| 1.2.3 基于区域的分割方法 | 第10-12页 |
| 1.2.4 基于聚类的分割方法 | 第12页 |
| 1.2.5 其他图像分割方法 | 第12页 |
| 1.3 图像分割的发展趋势 | 第12-13页 |
| 1.4 本文的研究内容 | 第13-15页 |
| 第二章 聚类分析综述 | 第15-21页 |
| 2.1 聚类概述 | 第15-16页 |
| 2.2 聚类分析的基本概念 | 第16-17页 |
| 2.3 聚类分析的步骤 | 第17页 |
| 2.4 聚类算法综述 | 第17-21页 |
| 2.4.1 基于划分的方法 | 第17-20页 |
| 2.4.2 基于层次的方法 | 第20页 |
| 2.4.3 基于网格的方法 | 第20-21页 |
| 第三章 模糊C均值聚类（FCM）模型研究 | 第21-29页 |
| 3.1 模糊集理论基础 | 第21-22页 |
| 3.2 模糊C均值（FCM）聚类算法模型 | 第22-25页 |
| 3.3 基于核化距离的模糊C均值聚类算法 | 第25-27页 |
| 3.3.1 核的基本概念 | 第25-26页 |
| 3.3.2 核模糊C均值聚类算法 | 第26-27页 |
| 3.4 模糊C均值(FCM)聚类与图像分割 | 第27-29页 |
| 第四章 基于局部信息的多维度模糊聚类图像分割算法 | 第29-39页 |
| 4.1 多维度思想的提出 | 第29-32页 |
| 4.1.1 图像的空间平滑滤波 | 第30-31页 |
| 4.1.2 图像的空间锐化滤波 | 第31-32页 |
| 4.2 邻域隶属度差异 | 第32-33页 |
| 4.3 多维度模糊聚类算法模型 | 第33-35页 |
| 4.4 对比实验 | 第35-39页 |
| 4.4.1 参数设置 | 第35页 |
| 4.4.2 合成图片的去噪实验 | 第35-36页 |
| 4.4.3 医学和自然图片的去噪实验 | 第36-38页 |
| 4.4.4 调控参数对实验结果的影响 | 第38-39页 |
| 第五章 基于形态学重建的模糊聚类图像分割算法 | 第39-49页 |
| 5.1 图像的形态学操作 | 第39-40页 |
| 5.1.1 图像的腐蚀与膨胀 | 第39页 |
| 5.1.2 图像的开闭操作与重建 | 第39-40页 |
| 5.2 分水岭算法 | 第40-42页 |
| 5.3 形态学模糊聚类算法模型 | 第42-44页 |
| 5.3.1 基于区域的模糊c均值核聚类算法 | 第42页 |
| 5.3.2 邻区域隶属度差异 | 第42页 |
| 5.3.3 算法模型 | 第42-44页 |
| 5.4 对比实验 | 第44-49页 |
| 5.4.1 参数设置 | 第44页 |
| 5.4.2 合成图片的抗噪分割实验 | 第44-46页 |
| 5.4.3 自然图片的分割实验 | 第46-47页 |
| 5.4.4 算法复杂度分析 | 第47-49页 |
| 主要结论与展望 | 第49-50页 |
| 主要结论 | 第49页 |
| 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第55页 |
