| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第一章 绪论 | 第15-23页 |
| ·研究背景与意义 | 第15-16页 |
| ·图像分割算法概述 | 第16-19页 |
| ·本文主要研究内容 | 第19-21页 |
| ·本文组织结构 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第二章 基于FCM算法的图像分割 | 第23-36页 |
| ·模糊集合 | 第23-24页 |
| ·硬均值聚类算法(HCM) | 第24-25页 |
| ·模糊C均值聚类算法(FCM) | 第25-27页 |
| ·FCM算法的理论 | 第25-26页 |
| ·FCM算法的推导过程 | 第26-27页 |
| ·FCM算法步骤 | 第27页 |
| ·改进的FCM算法 | 第27-35页 |
| ·FCM_S算法 | 第27-29页 |
| ·EnFCM算法 | 第29-30页 |
| ·FGFCM算法 | 第30-32页 |
| ·FLICM算法 | 第32-33页 |
| ·NWFCM算法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 模糊型增强局部信息的C均值算法 | 第36-53页 |
| ·模糊型增强局部信息的C均值算法 | 第36-39页 |
| ·模糊型增强局部信息的C均值算法目标函数 | 第36-38页 |
| ·模糊型增强局部信息的C均值算法的推导过程 | 第38-39页 |
| ·模糊型增强局部信息的C均值算法步骤 | 第39页 |
| ·模糊型增强局部信息的C均值算法的噪声鲁棒性分析 | 第39-41页 |
| ·实验结果及分析 | 第41-52页 |
| ·控制参数的选择 | 第42-43页 |
| ·合成图像的实验 | 第43-47页 |
| ·自然图像的实验 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 加权局部空间信息模糊C均值算法 | 第53-70页 |
| ·加权局部空间信息模糊C均值算法 | 第53-55页 |
| ·加权局部空间信息模糊C均值算法的目标函数 | 第53-54页 |
| ·加权局部灰度项 | 第54页 |
| ·加权局部距离项 | 第54-55页 |
| ·加权局部空间信息模糊C均值算法的噪声鲁棒性的分析 | 第55-57页 |
| ·实验结果及分析 | 第57-69页 |
| ·合成图像的实验 | 第57-63页 |
| ·自然图像的实验 | 第63-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| ·总结与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间参与的项目以及学术成果 | 第79页 |