| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-24页 |
| ·论文研究背景与选题依据 | 第10-11页 |
| ·聚类分析综述 | 第11-19页 |
| ·聚类的定义 | 第11-12页 |
| ·主要聚类算法分类 | 第12-14页 |
| ·聚类分析中的数据表示 | 第14-15页 |
| ·聚类分析的一般步骤 | 第15-16页 |
| ·常见的聚类算法 | 第16-19页 |
| ·图像分割概述 | 第19-23页 |
| ·图像分割定义 | 第19-20页 |
| ·图像分割算法 | 第20-23页 |
| ·本文的主要工作及组织结构 | 第23-24页 |
| 第二章 改进的层次聚类图像分割算法 | 第24-36页 |
| ·层次聚类方法概述 | 第24-25页 |
| ·层次聚类算法的分类 | 第24-25页 |
| ·凝聚的层次聚类算法的基本思想 | 第25页 |
| ·改进的凝聚的层次聚类算法(CURS) | 第25-34页 |
| ·CURE聚类算法思想和步骤 | 第25-27页 |
| ·CURE聚类算法的优点和不足 | 第27-28页 |
| ·改进型层次聚类算法CUPS中参考点的相关定义 | 第28-30页 |
| ·改进型层次聚类算法CURS中簇的合并 | 第30-32页 |
| ·改进型层次聚类算法CURS中簇的有效性 | 第32-33页 |
| ·改进型层次聚类算法CURS的算法框架及伪码实现 | 第33-34页 |
| ·改进型层次聚类算法CURS在图像分割中的应用 | 第34页 |
| ·实验结果与分析 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第三章 改进的加权FCM图像自动分割算法 | 第36-50页 |
| ·模糊聚类分析理论基础 | 第36-38页 |
| ·模糊理论的发展与现状 | 第36页 |
| ·模糊集合理论 | 第36-38页 |
| ·传统的模糊C-均值聚类算法 | 第38-42页 |
| ·模糊C-均值聚类算法的理论基础 | 第38-39页 |
| ·模糊C-均值聚类算法过程 | 第39-41页 |
| ·模糊C-均值聚类算法的优缺点 | 第41-42页 |
| ·模糊C-均值聚类图像分割算法 | 第42-43页 |
| ·基于直方图的模糊C-均值图像分割 | 第43-44页 |
| ·一维直方图FCM算法 | 第43-44页 |
| ·二维直方图FCM算法 | 第44页 |
| ·基于灰度-梯度直方图加权的FCM图像自动分割算法(ACWFCM) | 第44-49页 |
| ·灰度-梯度共生矩阵 | 第44-45页 |
| ·聚类数目的自动确定 | 第45-46页 |
| ·改进的加权模糊C-均值(ACWFCM)算法 | 第46-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第四章 改进的基于密度的图像分割算法 | 第50-62页 |
| ·传统的基于密度的聚类算法 | 第50-54页 |
| ·DBSCAN算法中的相关定义 | 第50-53页 |
| ·DBSCAN算法中的基本原理 | 第53-54页 |
| ·DBSCAN算法的优缺点 | 第54页 |
| ·基于三角形不等原则的TI-DBSCN算法的图像分割 | 第54-61页 |
| ·三角形不等原则 | 第55-57页 |
| ·三角形不等原则 | 第57-58页 |
| ·TI-DBSCAN聚类算法在图像分割中的应用 | 第58-60页 |
| ·实验结果和分析 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第五章 基于水平集的图像分割技术研究 | 第62-71页 |
| ·主动轮廓模型研究 | 第62-64页 |
| ·传统主动轮廓模型 | 第62-64页 |
| ·本文改进的模型 | 第64页 |
| ·基于图像区域信息的几何主动轮廓模型 | 第64-66页 |
| ·本文改进的模型 | 第64-65页 |
| ·Chan-Vese模型 | 第65-66页 |
| ·改进的CHAN-VESE分割模型 | 第66-67页 |
| ·实验结果与讨论 | 第67-70页 |
| ·小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-72页 |
| ·论文的主要成果与创新点 | 第71页 |
| ·论文的主要成果与创新点 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士期间撰写的主要论文 | 第77-78页 |