基于分水岭算法的图像分割研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论题研究背景 | 第8页 |
| 1.2 研究目的和意义 | 第8-10页 |
| 1.3 本文内容的思想和结构 | 第10-12页 |
| 第二章 彩色图像分割概述 | 第12-24页 |
| 2.1 彩色图像空间模型 | 第13-16页 |
| 2.2 彩色图像分割方法 | 第16-24页 |
| 2.2.1 基于聚类的图像分割 | 第16-17页 |
| 2.2.2 基于区域的图像分割 | 第17-18页 |
| 2.2.3 基于边缘的图像分割 | 第18-20页 |
| 2.2.4 其他图像分割方法 | 第20-24页 |
| 第三章 算法相关技术简介 | 第24-35页 |
| 3.1 数学形态学 | 第24-28页 |
| 3.2 分水岭算法 | 第28-35页 |
| 3.2.1 分水岭算法的定义 | 第29-31页 |
| 3.2.2 过分割问题 | 第31-32页 |
| 3.2.3 常用方法 | 第32-35页 |
| 第四章 基于多尺度形态学标记的分水岭算法 | 第35-44页 |
| 4.1 引言 | 第35页 |
| 4.2 梯度图像 | 第35-36页 |
| 4.3 多尺度形态学标记提取 | 第36-37页 |
| 4.4 基于标记的分水岭变换 | 第37-38页 |
| 4.5 实验验证与结果分析 | 第38-43页 |
| 4.5.1 实验验证 | 第38-42页 |
| 4.5.2 结果分析 | 第42-43页 |
| 4.6 小结 | 第43-44页 |
| 第五章 基于纹理特征和核聚类结合的分水岭算法 | 第44-54页 |
| 5.1 引言 | 第44页 |
| 5.2 结合纹理特征的初步区域合并 | 第44-46页 |
| 5.3 利用模糊核聚类算法将相似颜色特征聚类 | 第46-47页 |
| 5.4 基于彩色梯度图像的分水岭变换 | 第47-48页 |
| 5.5 实验验证与结果分析 | 第48-53页 |
| 5.5.1 实验验证 | 第48-51页 |
| 5.5.2 结果分析 | 第51-53页 |
| 5.6 小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间的研究成果 | 第63-64页 |
