基于概率密度分布与模糊熵的目标检测技术
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·选题背景 | 第12-13页 |
| ·图像目标检测现状 | 第13-15页 |
| ·常用图像分割算法简介 | 第15-17页 |
| ·阈值化分割方法 | 第15页 |
| ·边缘检测方法 | 第15-16页 |
| ·区域分割方法 | 第16页 |
| ·数学形态学方法 | 第16页 |
| ·人工智能方法 | 第16-17页 |
| ·基于模糊理论的图像分割方法 | 第17-19页 |
| ·图像的模糊性分析 | 第17-18页 |
| ·基于模糊理论的图像分割方法 | 第18-19页 |
| ·研究内容及结构安排 | 第19-20页 |
| 第2章 区间值Ⅱ型模糊集及其度量 | 第20-40页 |
| ·模糊集基本概念 | 第20-24页 |
| ·模糊集 | 第20-23页 |
| ·模糊集表示方法 | 第23页 |
| ·模糊集运算 | 第23-24页 |
| ·模糊关系 | 第24页 |
| ·模糊熵 | 第24-26页 |
| ·模糊熵公理 | 第25-26页 |
| ·一般模糊熵 | 第26页 |
| ·Ⅱ型模糊集 | 第26-30页 |
| ·Ⅱ型模糊集概念 | 第27-28页 |
| ·Ⅱ型模糊集隶属函数 | 第28-30页 |
| ·区间值模糊集 | 第30-39页 |
| ·区间值模糊集的运算 | 第30-31页 |
| ·区间值模糊集模糊性度量 | 第31-32页 |
| ·新的区间值模糊集的熵 | 第32-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 基于区间值模糊集熵的阈值分割方法 | 第40-50页 |
| ·阈值分割的原理 | 第40-41页 |
| ·图像的模糊集表示 | 第41-45页 |
| ·图像的普通模糊集表示 | 第41-42页 |
| ·常用的模糊隶属度函数 | 第42-43页 |
| ·图像的区间值模糊集表示 | 第43-45页 |
| ·基于模糊熵的阈值分割方法 | 第45-49页 |
| ·基于模糊熵的图像分割方法的阈值选取准则 | 第45-46页 |
| ·基于区间值模糊集熵的图像分割算法 | 第46页 |
| ·仿真实验与分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于概率密度分布的模糊分割技术 | 第50-59页 |
| ·聚类分析技术的种类 | 第50页 |
| ·经典FCM算法 | 第50-53页 |
| ·模糊c-划分分矩阵及空间 | 第51页 |
| ·模糊C-均值聚类算法 | 第51-52页 |
| ·FCM聚类实例 | 第52-53页 |
| ·基于概率密度分布的FCM算法 | 第53-58页 |
| ·基于概率密度分布的图像边缘检测 | 第53-56页 |
| ·基于概率密度分布的FCM算法 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 结合区间Ⅱ型模糊熵的FCM图像分割方法 | 第59-65页 |
| ·KFCM算法简介 | 第59-61页 |
| ·核方法及核函数 | 第59-60页 |
| ·核模糊C-均值算法 | 第60-61页 |
| ·新的图像分割算法 | 第61-64页 |
| ·结合区间Ⅱ型模糊熵的FCM算法 | 第61-63页 |
| ·对比仿真实验 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
