| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-11页 |
| ·课题研究意义 | 第9-10页 |
| ·研究背景 | 第10-11页 |
| ·图像分割概述 | 第11-15页 |
| ·定义分割 | 第11-12页 |
| ·文献回顾 | 第12-15页 |
| ·图像分割文献 | 第12-13页 |
| ·彩色图像分割文献 | 第13-14页 |
| ·彩色纹理图像分割文献 | 第14-15页 |
| ·解决不适定性问题的马尔可夫随机场方法 | 第15-16页 |
| ·研究重点:基于自适应权重马尔科夫场的彩色纹理分割模型 | 第16页 |
| ·本文主要内容安排 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 分割算法基本原理 | 第18-28页 |
| ·机器视觉中的马尔科夫随机场建模 | 第18-25页 |
| ·视觉标记(Visual Labeling) | 第18-19页 |
| ·邻域与子团 | 第19-20页 |
| ·MRF与Gibbs场 | 第20-23页 |
| ·MRF理论 | 第20-21页 |
| ·Gibbs场理论 | 第21-22页 |
| ·MRF与Gibbs场等价性 | 第22-23页 |
| ·基于优化思想的视觉方法与MAP-MRF框架 | 第23-25页 |
| ·经典聚类算法 | 第25-27页 |
| ·k-means | 第25-26页 |
| ·Fuzzy C-means聚类 | 第26页 |
| ·欧氏距离与马氏距离 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于自适应权重马尔科夫随机场的彩色纹理分割模型 | 第28-40页 |
| ·颜色特征、纹理特征的提取 | 第28-35页 |
| ·颜色特征 | 第28-30页 |
| ·RGB颜色模型 | 第28-29页 |
| ·HSV颜色模型 | 第29-30页 |
| ·纹理特征 | 第30-35页 |
| ·纹理的定义 | 第31-32页 |
| ·纹理分割算法分类 | 第32-33页 |
| ·Gabor纹理特征 | 第33-35页 |
| ·传统MRF分割模型 | 第35-37页 |
| ·区域标记分量 | 第36-37页 |
| ·数据特征分量 | 第37页 |
| ·自适应权重MRF无监督分割模型 | 第37-38页 |
| ·EM算法 | 第38页 |
| ·模拟退火算法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 算法实现 | 第40-50页 |
| ·硬件平台 | 第40页 |
| ·软件平台 | 第40页 |
| ·类图 | 第40-43页 |
| ·软件界面与参数解释 | 第43-49页 |
| ·命令行版本 | 第43-46页 |
| ·GUI版本 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 算法验证实验 | 第50-67页 |
| ·MRF分割算法与经典聚类分割算法的比较 | 第50-55页 |
| ·输入 | 第50-51页 |
| ·输出 | 第51-54页 |
| ·讨论 | 第54-55页 |
| ·彩色纹理图像的自适应权重MRF分割模型 | 第55-62页 |
| ·输入 | 第55-58页 |
| ·输出 | 第58-60页 |
| ·讨论 | 第60-62页 |
| ·传统MRF分割模型与自适应权重MRF分割模型的比较 | 第62-64页 |
| ·输入 | 第62页 |
| ·输出 | 第62-63页 |
| ·讨论 | 第63-64页 |
| ·四种能量函数最小化算法:ICM、模拟退火、图切割、信任传播的比较 | 第64-66页 |
| ·输入 | 第64页 |
| ·输出 | 第64-65页 |
| ·讨论 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·工作总结 | 第67页 |
| ·前景展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第75-76页 |
