| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 图像分割的概念 | 第9页 |
| 1.3 常用彩色图像分割方法 | 第9-11页 |
| 1.4 本论文结构安排 | 第11-12页 |
| 2 K-MEANS算法及其在彩色图像分割中的应用 | 第12-18页 |
| 2.1 K-MEANS 算法 | 第12-14页 |
| 2.2 K-MEANS算法应用于图像分割存在的问题 | 第14-18页 |
| 3 色彩空间以及距离测度的选取 | 第18-27页 |
| 3.1 色彩空间 | 第18-23页 |
| 3.2 距离测度 | 第23-27页 |
| 4 蚁群算法与分水岭算法预分割 | 第27-32页 |
| 4.1 蚁群算法简介 | 第27-28页 |
| 4.1.1 蚁群算法概述及原理 | 第27-28页 |
| 4.1.2 蚁群算法数学模型 | 第28页 |
| 4.2 蚁群算法应用于图像分割 | 第28-30页 |
| 4.3 利用蚁群算法初始化K-MEANS算法 | 第30-32页 |
| 5 改进的分水岭算法预分割与K-MEANS聚类算法 | 第32-41页 |
| 5.1 分水岭算法图像分割 | 第32-34页 |
| 5.1.1 分水岭算法原理 | 第32页 |
| 5.1.2 分水岭算法数学描述 | 第32-33页 |
| 5.1.3 分水岭算法分割实验 | 第33-34页 |
| 5.2 改进的分水岭算法预分割 | 第34-37页 |
| 5.2.1 中值滤波算法 | 第34-36页 |
| 5.2.2 改进的分水岭算法预分割 | 第36-37页 |
| 5.3 改进的K-MEANS聚类彩色图像分割 | 第37-41页 |
| 5.3.1 改进的K-MEANS算法分割方法 | 第37-39页 |
| 5.3.2 改进的K-MEANS聚类算法彩色图像分割试验分析 | 第39-41页 |
| 6 实验结果对比 | 第41-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52页 |
