基于模糊聚类算法的图像分割技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-26页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 图像分割算法 | 第14-18页 |
| 1.2.1 基于区域的方法 | 第15-16页 |
| 1.2.2 基于边缘的方法 | 第16页 |
| 1.2.3 数学形态学方法 | 第16-17页 |
| 1.2.4 神经网络方法 | 第17页 |
| 1.2.5 基于模糊理论的方法 | 第17-18页 |
| 1.2.6 其他图像分割方法 | 第18页 |
| 1.3 图像分割的模糊性 | 第18-20页 |
| 1.4 基于模糊聚类的图像分割方法研究现状 | 第20-24页 |
| 1.5 论文研究内容及结构安排 | 第24-26页 |
| 1.5.1 主要研究内容 | 第24-25页 |
| 1.5.2 论文结构安排 | 第25-26页 |
| 第2章 模糊 C 均值算法 | 第26-38页 |
| 2.1 模糊 C 均值的理论基础 | 第26-28页 |
| 2.1.1 模糊集合的定义 | 第26-27页 |
| 2.1.2 模糊划分 | 第27页 |
| 2.1.3 模糊聚类框架 | 第27-28页 |
| 2.2 模糊 C 均值算法概述 | 第28-35页 |
| 2.2.1 目标函数的演化 | 第29-30页 |
| 2.2.2 算法的求解过程 | 第30-31页 |
| 2.2.3 模糊相似性度量函数 | 第31-33页 |
| 2.2.4 解模糊化方法 | 第33页 |
| 2.2.5 模糊 C 均值图像分割流程 | 第33-35页 |
| 2.3 模糊 C 均值图像分割衡量指标 | 第35-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于初始参数改进的 FCM 图像分割算法 | 第38-55页 |
| 3.1 基于灰度直方图的聚类中心初始化 | 第38-45页 |
| 3.1.1 问题分析 | 第38-44页 |
| 3.1.2 初始聚类中心的确定 | 第44-45页 |
| 3.2 基于核函数的 FCM 算法的距离函数 | 第45-50页 |
| 3.2.1 核函数 | 第45-47页 |
| 3.2.2 基于核函数的 FCM 算法 | 第47-48页 |
| 3.2.3 高斯核函数径向宽度的选择 | 第48-50页 |
| 3.3 实验仿真 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 基于邻域约束的自适应 FCM 改进算法 | 第55-72页 |
| 4.1 FCM 算法抗噪性研究介绍 | 第55-56页 |
| 4.2 基于邻域约束的自适应 FCM 抗噪算法 | 第56-71页 |
| 4.2.1 模糊因子的改进 | 第57-61页 |
| 4.2.2 局部邻域重新分割 | 第61-64页 |
| 4.2.3 实验仿真 | 第64-71页 |
| 4.3 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-75页 |
| 5.1 研究内容总结 | 第72-73页 |
| 5.2 研究工作展望 | 第73-75页 |
| 参考文献 | 第75-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间取得的科研成果 | 第84页 |
