基于正态云模型的图像分割应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及研究目的和意义 | 第9-10页 |
| 1.2 图像分割方法研究现状 | 第10-13页 |
| 1.2.1 图像分割方法 | 第10-11页 |
| 1.2.2 基于云模型的图像分割算法研究现状 | 第11-13页 |
| 1.3 本文主要内容及组织 | 第13-14页 |
| 第2章 基于云模型的图像分割 | 第14-23页 |
| 2.1 引言 | 第14页 |
| 2.2 云模型基础理论 | 第14-16页 |
| 2.2.1 云模型定义 | 第14-15页 |
| 2.2.2 云模型数字特征 | 第15-16页 |
| 2.3 正态云模型 | 第16-20页 |
| 2.3.1 正态云模型的数学性质 | 第16-18页 |
| 2.3.2 正态云发生器 | 第18-19页 |
| 2.3.3 逆向云发生器 | 第19-20页 |
| 2.4 传统云模型存在的问题分析 | 第20页 |
| 2.5 图像分割的算法评价 | 第20-22页 |
| 2.5.1 Bezdek划分系数 | 第20-21页 |
| 2.5.2 Xie-Beni距离量度系数 | 第21页 |
| 2.5.3 分割差异系数 | 第21页 |
| 2.5.4 重构错误率 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 云变换期望提取算法设计 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 根据 3EN规则的求熵方法 | 第23-24页 |
| 3.3 云变换及云核提取 | 第24-25页 |
| 3.4 单云核提取算法 | 第25-28页 |
| 3.4.1 单云核提取算法的实现 | 第25-26页 |
| 3.4.2 实验结果及分析 | 第26-28页 |
| 3.5 多云核提取算法 | 第28-31页 |
| 3.5.1 多云核提取算法的实现 | 第28-30页 |
| 3.5.2 实验结果及分析 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 云合并概念跃升算法设计 | 第32-44页 |
| 4.1 引言 | 第32页 |
| 4.2 云模型合并及概念跃升 | 第32-34页 |
| 4.3 最小距离概念跃升算法的实现 | 第34-37页 |
| 4.3.1 最小距离概念跃升算法 | 第34-35页 |
| 4.3.2 实验结果及分析 | 第35-37页 |
| 4.4 最大相似概念跃升算法的实现 | 第37-41页 |
| 4.4.1 最大相似度 | 第37-38页 |
| 4.4.2 最大相似概念跃升算法 | 第38-39页 |
| 4.4.3 实验结果及分析 | 第39-41页 |
| 4.5 隶属概念极大判别法 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 实验结果及分析 | 第44-54页 |
| 5.1 图像分割实验结果及分析 | 第44-49页 |
| 5.2 图像分类实验结果及分析 | 第49-50页 |
| 5.3 图像分割对比实验结果及分析 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |
