| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·引言 | 第10页 |
| ·选题背景与研究意义 | 第10-12页 |
| ·纹理图像分割的研究现状 | 第12-14页 |
| ·论文的主要工作和组织结构 | 第14-15页 |
| 第二章 图像的纹理特征提取方法 | 第15-24页 |
| ·纹理的定义与特性 | 第15-16页 |
| ·纹理特征提取方法 | 第16-23页 |
| ·基于统计的方法 | 第17-19页 |
| ·基于信号处理的方法 | 第19-21页 |
| ·基于结构的方法 | 第21-22页 |
| ·基于模型的方法 | 第22-23页 |
| ·总结 | 第23-24页 |
| 第三章 模糊C-均值聚类纹理分割技术 | 第24-36页 |
| ·FCM 聚类图像分割算法 | 第24-25页 |
| ·FCM 聚类算法在图像分割中的优缺点 | 第25-27页 |
| ·FCM 的改进方法 | 第27-31页 |
| ·空间模式模糊聚类算法 | 第27-29页 |
| ·隶属度调整的模糊聚类算法 | 第29-30页 |
| ·引入领域惩罚函数的核FCM 聚类算法 | 第30-31页 |
| ·算法的性能比较 | 第31-35页 |
| ·总结 | 第35-36页 |
| 第四章 耦合马尔可夫随机场与模糊聚类的纹理图像分割算法研究 | 第36-60页 |
| ·引言 | 第36页 |
| ·马尔可夫随机场理论 | 第36-39页 |
| ·邻域系统与簇 | 第37-38页 |
| ·马尔可夫随机场 | 第38-39页 |
| ·图像分割的HMRF 模型 | 第39-43页 |
| ·隐马尔可夫随机场（HMRF） | 第39-40页 |
| ·标号场先验模型的建立 | 第40-41页 |
| ·特征场条件模型的建立 | 第41页 |
| ·EM 算法在bayes 图像分割问题中的应用 | 第41-43页 |
| ·耦合马尔可夫随机场与模糊聚类的纹理图像分割算法 | 第43-49页 |
| ·聚类距离函数的修正 | 第43-46页 |
| ·耦合马尔可夫特征的提取 | 第46-48页 |
| ·本文算法详细步骤 | 第48页 |
| ·参数选择 | 第48-49页 |
| ·实验结果分析 | 第49-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·全文工作总结 | 第60-61页 |
| ·作者展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录 攻读学位期间发表的论文 | 第67页 |