基于模糊聚类算法的图像分割方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·论文选题的背景和意义 | 第9-10页 |
| ·图像分割的地位 | 第10-11页 |
| ·图像分割的定义 | 第11页 |
| ·图像分割的国内外研究现状 | 第11-17页 |
| ·基于闽值的分割方法 | 第12-14页 |
| ·基于边缘的分割方法 | 第14页 |
| ·基于区域的分割方法 | 第14页 |
| ·基于图论的分割方法 | 第14-15页 |
| ·基于能量泛函的分割 | 第15页 |
| ·基于其他技术的分割 | 第15-17页 |
| ·图像分割的应用领域 | 第17页 |
| ·本论文的主要研究工作和结构安排 | 第17-19页 |
| 第二章 四叉树和模糊聚类的基本介绍 | 第19-33页 |
| ·四叉树分割方法的介绍 | 第19-22页 |
| ·四叉树的分割方法 | 第19-20页 |
| ·四叉树的一致性准则 | 第20页 |
| ·四叉树的剪枝判决条件 | 第20-21页 |
| ·四叉树算法的特点 | 第21页 |
| ·四叉树算法的研究现状 | 第21-22页 |
| ·聚类分析 | 第22-24页 |
| ·聚类分析的定义 | 第22页 |
| ·相似性度量 | 第22-24页 |
| ·常见的聚类算法 | 第24-26页 |
| ·基于划分的聚类算法 | 第24-25页 |
| ·基于层次的聚类算法 | 第25页 |
| ·基于密度的聚类算法 | 第25页 |
| ·基于网格的聚类算法 | 第25-26页 |
| ·基于模型的聚类算法 | 第26页 |
| ·FCM聚类算法 | 第26-32页 |
| ·糊聚类公式推导 | 第26-28页 |
| ·硬C均值算法(HCM) | 第28页 |
| ·模糊C均值算法(FCM) | 第28-29页 |
| ·FCM算法的流程 | 第29-30页 |
| ·FCM算法的特点 | 第30-31页 |
| ·FCM算法的研究现状 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于四叉树的FCM图像分割方法 | 第33-40页 |
| ·引言 | 第33页 |
| ·图像四叉树结构的空间定义 | 第33-34页 |
| ·基于四叉树结构的FCM分割算法(QT-FCM) | 第34-37页 |
| ·QT-FCM算法的设计思想 | 第34-35页 |
| ·QT-FCM算法的流程设计和实现 | 第35-37页 |
| ·实验结果和分析 | 第37-39页 |
| ·标准图像分割实验 | 第37-38页 |
| ·医学MR图像分割实验 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于邻域信息的FCM图像分割方法 | 第40-49页 |
| ·引言 | 第40页 |
| ·基于灰度直方图的FCM分割方法 | 第40-41页 |
| ·基于灰度直方图的数据空间 | 第40页 |
| ·基于灰度直方图的FCM分割法 | 第40-41页 |
| ·基于邻域信息的FCM分割方法(H-FCM) | 第41-46页 |
| ·基于邻域信息的数据空间 | 第41-43页 |
| ·H-FCM算法的设计思想 | 第43-44页 |
| ·H-FCM算法的实现步骤 | 第44-46页 |
| ·实验结果与分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 基于最小对手抑制的FCM图像分割方法 | 第49-58页 |
| ·引言 | 第49页 |
| ·数据对聚类中心隶属度分析 | 第49-52页 |
| ·FCM算法公式分析 | 第49-51页 |
| ·FCM算法的力学分析 | 第51-52页 |
| ·基于最小对手抑制的FCM算法(SRC-FCM) | 第52-54页 |
| ·基于最大对手抑制的FCM算法 | 第52页 |
| ·最大对手抑制FCM算法的不足 | 第52-53页 |
| ·抑制因子和抑制对手的选取 | 第53页 |
| ·SRC-FCM算法的实现步骤 | 第53-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
| 硕士期间发表及录用的文章 | 第63-64页 |
