| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 引言 | 第8页 |
| 1.2 论文研究背景及现实意义 | 第8-9页 |
| 1.2.1 研究背景 | 第8-9页 |
| 1.2.2 现实意义 | 第9页 |
| 1.3 图像分割的国内外研究现状 | 第9-15页 |
| 1.3.1 图像分割的概念 | 第10-11页 |
| 1.3.2 图像预处理 | 第11-12页 |
| 1.3.3 图像分割的分类及研究现状 | 第12-15页 |
| 1.4 本文研究内容与结构安排 | 第15-17页 |
| 2 基于模糊 C 均值聚类的图像分割相关算法 | 第17-26页 |
| 2.1 传统模糊 C 均值聚类算法概述 | 第17-19页 |
| 2.2 快速模糊 C 均值聚类的图像分割算法 | 第19-20页 |
| 2.2.1 引言 | 第19页 |
| 2.2.2 快速模糊 C 均值聚类(FFCM) | 第19-20页 |
| 2.3 基于图论的快速模糊 C 均值聚类的图像分割算法 | 第20-23页 |
| 2.3.1 图论的优化算法的相关理论 | 第20-22页 |
| 2.3.2 基于图论的快速模糊 C 均值聚类算法 | 第22-23页 |
| 2.4 基于 KFCM 图像分割 | 第23-25页 |
| 2.4.1 KFCM 聚类方法 | 第23-24页 |
| 2.4.2 KFCM 聚类方法图像分割实验及所得结果总结分析 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 结合改进的 CV 模型图像分割算法 | 第26-30页 |
| 3.1 引言 | 第26页 |
| 3.2 基于几何的活动轮廓模型 | 第26-27页 |
| 3.3 CV 模型的水平集方法 | 第27-28页 |
| 3.4 改进的 CV 模型水平集算法 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 结合 KFCM 与改进 CV 模型的 Split Bregman 图像分割算法 | 第30-33页 |
| 4.1 基于 KFCM 和改进 CV 分割模型的 Split Bregman 图象分割算法 | 第30页 |
| 4.2 本文算法的仿真实验 | 第30-32页 |
| 4.3 本章小结 | 第32-33页 |
| 5 结论与展望 | 第33-36页 |
| 5.1 论文工作总结 | 第33-34页 |
| 5.2 展望 | 第34-36页 |
| 致谢 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 附录 | 第41页 |
| 作者在硕士研究生阶段发表的论文目录 | 第41页 |
