| 摘要 | 第1-5页 |
| ABSTRACT | 第5-15页 |
| 第一章 绪论 | 第15-23页 |
| ·图像处理技术在材料科学中的应用的意义及其重要性 | 第15页 |
| ·图像处理及分析技术在材料科学中应用的发展趋势 | 第15-18页 |
| ·金属图像分割的现状、发展及存在问题 | 第18-20页 |
| ·本论文研究的主要内容及目标 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第二章 简述图像分割方法 | 第23-33页 |
| ·基于区域的图像分割方法 | 第25-27页 |
| ·基于边缘的图像分割方法 | 第27-30页 |
| ·一些应用广泛有效的图像分割方法 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 马尔科夫场理论基础及应用 | 第33-49页 |
| ·马尔科夫随机场及其图像分割模型 | 第33-34页 |
| ·马尔科夫随机过程 | 第34-38页 |
| ·马尔科夫场的参数估计模型及算法 | 第38-44页 |
| ·基于贝叶斯理论的马尔可夫场图像模型的建立 | 第44-47页 |
| ·基于贝叶斯理论及马尔可夫场图像模型的图像分割实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 模糊理论及其图像处理相关参数的选择 | 第49-65页 |
| ·模糊聚类理论的发展和现状 | 第49-50页 |
| ·模糊集合理论 | 第50-52页 |
| ·聚类算法 | 第52-57页 |
| ·FCM图像分割算法的相关参数研究 | 第57-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 模糊聚类分割算法在金属图像中的应用 | 第65-85页 |
| ·模糊聚类算法的金属图像分割研究和应用 | 第66-68页 |
| ·基于空间邻域信息约束的模糊C-均值聚类图像分割方法 | 第68-74页 |
| ·基于空间特征信息的模糊C-聚类分割方法 | 第74-83页 |
| ·本章小结 | 第83-85页 |
| 第六章 Dempster-Shafer理论在金属图像处理中的研究 | 第85-135页 |
| ·Dempster-Shafer证据理论 | 第85-86页 |
| ·证据理论的基本概念 | 第86-88页 |
| ·Dempster-Shafer理论中的Dempster组合规则 | 第88-89页 |
| ·证据理论决策规则 | 第89-91页 |
| ·基本概率赋值的基本方法 | 第91-99页 |
| ·基于D-S证据理论的金属图像分割算法 | 第99-101页 |
| ·基本概率赋值的整合及图像的分割 | 第101页 |
| ·基于MRF、FCM及D-S理论的金属图像融合分割 | 第101-102页 |
| ·金属金相图像分割的实验研究 | 第102-134页 |
| ·本章小结 | 第134-135页 |
| 第七章 结论 | 第135-139页 |
| ·结论 | 第135-136页 |
| ·论文的研究思路和创新点 | 第136-137页 |
| ·展望 | 第137-139页 |
| 致谢 | 第139-141页 |
| 参考文献 | 第141-151页 |
| 附录A (攻读博士学位期间发表论文和科研) | 第151-154页 |
