| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 插图索引 | 第10-11页 |
| 插表索引 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·本文研究的背景和意义 | 第12-14页 |
| ·图像分割的概念 | 第14页 |
| ·彩色图像分割技术的研究现状 | 第14-15页 |
| ·模糊聚类算法在彩色图像分割技术中的应用 | 第15-18页 |
| ·图像分割和模糊聚类旳关系 | 第15-16页 |
| ·模糊聚类彩色图像分割的优势 | 第16页 |
| ·基于模糊聚类分析的彩色图像分割算法的研究现状 | 第16-18页 |
| ·本文的研究内容及章节安排 | 第18-20页 |
| ·主要研究内容 | 第18页 |
| ·各章节安排 | 第18-20页 |
| 第2章 彩色图像分割理论 | 第20-37页 |
| ·颜色空间模型的描述及转换 | 第20-26页 |
| ·线性颜色空间 | 第21-23页 |
| ·非线性颜色空间 | 第23-26页 |
| ·彩色图像分割方法 | 第26-32页 |
| ·阂值化分割方法 | 第26-27页 |
| ·基于边缘检测的分割方法 | 第27-29页 |
| ·基于区域的分割方法 | 第29-31页 |
| ·基于神经网络的分割方法 | 第31页 |
| ·基于模糊理论的分割方法 | 第31-32页 |
| ·其他主要方法 | 第32页 |
| ·彩色图像分割评价方法 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于模糊C均值聚类的图像分割 | 第37-48页 |
| ·模糊聚类理论 | 第37-39页 |
| ·模糊集理论的发展 | 第37-38页 |
| ·聚类分析的定义和发展 | 第38-39页 |
| ·模糊C均值聚类 | 第39-43页 |
| ·数据集的C划分 | 第39-40页 |
| ·硬C均值聚类算法 | 第40页 |
| ·模糊C均值聚类算法 | 第40-42页 |
| ·加权的模糊C均值聚类算法 | 第42-43页 |
| ·带惩罚项的模糊C均值聚类算法 | 第43页 |
| ·基于模糊C均值聚类的图像分割算法 | 第43-45页 |
| ·基于模糊C均值聚类图像分割算法的相关研究 | 第45-47页 |
| ·初始类别数C的确定 | 第45页 |
| ·初始聚类中心的确定 | 第45页 |
| ·空间信息的使用 | 第45-46页 |
| ·迭代过程中计算量大的问题 | 第46-47页 |
| ·算法完成后的相关再处理问题 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第4章 结合颜色空间和核函数的FCM彩色图像分割方法 | 第48-63页 |
| ·引言 | 第48页 |
| ·结合波峰查找算法和核距离的FCM彩色图像分割算法 | 第48-57页 |
| ·颜色空间转换及特征的选取 | 第49-51页 |
| ·利用波峰法寻找直方图峰值的过程 | 第51-53页 |
| ·基于核函数的FCM算法 | 第53-54页 |
| ·提高空间信息对图像分割效果的利用率 | 第54页 |
| ·HIS颜色空间中的FCM聚类分割 | 第54-55页 |
| ·含有奇异点的图像预处理方法 | 第55-56页 |
| ·后处理及感兴趣区域提取 | 第56-57页 |
| ·试验结果及分析 | 第57-62页 |
| ·结合颜色空间和空间信息的实验分析 | 第57-58页 |
| ·结合颜色空间和核函数及奇异点预处理的实验分析 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 结论与展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文 | 第70页 |