| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·自然场景图像分割的研究背景与意义 | 第9-11页 |
| ·自然场景图像特点 | 第11-13页 |
| ·图像分割技术现状 | 第13-17页 |
| ·图像分割技术的评价标准 | 第17-18页 |
| ·本文研究内容及创新点 | 第18-21页 |
| 第二章 基于图论的颜色纹理区域分割方法 | 第21-35页 |
| ·基于图论的分割方法概述 | 第21-26页 |
| ·基本原理 | 第21-23页 |
| ·现有算法分析 | 第23-26页 |
| ·基于图论的颜色-纹理图像分割算法 | 第26-31页 |
| ·算法思想 | 第26-28页 |
| ·算法步骤 | 第28-29页 |
| ·颜色特征向量提取过程 | 第29-30页 |
| ·小波能量直方图特征向量提取过程描述 | 第30-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·分割效率比较 | 第31页 |
| ·分割结果样例分析 | 第31-32页 |
| ·基于区域图像检索系统验证 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 自适应AP 聚类区域分割与加权区域匹配算法 | 第35-51页 |
| ·相关聚类分割算法概述 | 第35-38页 |
| ·基于自适应偏向参数的AP 聚类的图像分割 | 第38-44页 |
| ·AP 聚类算法概述 | 第39-41页 |
| ·自适应AP 聚类 | 第41-43页 |
| ·基于自适应AP 聚类的图像分割算法 | 第43-44页 |
| ·加权区域匹配方法 | 第44-46页 |
| ·传统区域匹配方法介绍 | 第44页 |
| ·加权区域匹配算法 | 第44-46页 |
| ·实验结果与分析 | 第46-50页 |
| ·实验数据集 | 第46页 |
| ·几种基于聚类的图像分割方法比较 | 第46-48页 |
| ·基于区域图像检索实验结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 结合图论与聚类的图像分割算法 | 第51-59页 |
| ·算法思想 | 第51-53页 |
| ·算法步骤 | 第53-54页 |
| ·实验结果与分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读学位期间公开发表的论文 | 第67-68页 |
| 致谢 | 第68-69页 |