| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1. 绪论 | 第8-12页 |
| 1.1. 研究背景和意义 | 第8页 |
| 1.2. 图像分割算法研究现状 | 第8-10页 |
| 1.3. 本文主要研究内容 | 第10-11页 |
| 1.4. 本文结构信息 | 第11-12页 |
| 2. 图像分割技术 | 第12-22页 |
| 2.1. 基于阈值的图像分割算法 | 第13页 |
| 2.2. 基于边缘和区域的图像分割算法 | 第13-15页 |
| 2.2.1. 基于活动轮廓模型的图像分割算法 | 第14-15页 |
| 2.2.2. 基于区域的图像分割算法 | 第15页 |
| 2.3. 基于聚类的图像分割算法 | 第15-17页 |
| 2.4. 基于特定理论的图像分割算法 | 第17-21页 |
| 2.4.1. 基于人工免疫理论的图像分割算法 | 第17-18页 |
| 2.4.2. 基于遗传理论的图像分割算法 | 第18页 |
| 2.4.3. 基于人工神经网络理论的图像分割算法 | 第18-19页 |
| 2.4.4. 基于线性判别分析的图像分割算法 | 第19页 |
| 2.4.5. 基于支持向量机的图像分割算法 | 第19页 |
| 2.4.6. 基于隐马尔可夫理论的图像分割算法 | 第19-20页 |
| 2.4.7. 基于小波变换的图像分割算法 | 第20页 |
| 2.4.8. 概率松弛分割算法 | 第20页 |
| 2.4.9. 基于图割理论的图像分割算法 | 第20-21页 |
| 2.4.10. 基于蜜蜂算法的图像分割算法 | 第21页 |
| 2.5. 本章小结 | 第21-22页 |
| 3. 基于AdaBoost分类器的图像分割算法 | 第22-30页 |
| 3.1. AdaBoost分类器原理 | 第22-24页 |
| 3.2. 基于颜色和纹理特征的AdaBoost分类器 | 第24-29页 |
| 3.2.1. 颜色特征 | 第24页 |
| 3.2.2. 纹理特征 | 第24-26页 |
| 3.2.3. 基于AdaBoost分类器的图像分割算法 | 第26-27页 |
| 3.2.4. 实验结果与分析 | 第27-29页 |
| 3.3. 本章小结 | 第29-30页 |
| 4. 基于分数阶微积分的标记分水岭图像分割算法 | 第30-42页 |
| 4.1. 分数阶微积分原理 | 第30-31页 |
| 4.2. LUV颜色空间 | 第31-33页 |
| 4.3. 基于分数阶微分的标记分水岭算法 | 第33-35页 |
| 4.4. 实验结果与分析 | 第35-41页 |
| 4.4.1. 实验结果 | 第35-40页 |
| 4.4.2. 实验结果分析 | 第40-41页 |
| 4.5. 本章小结 | 第41-42页 |
| 5. 总结与展望 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 个人简介 | 第49-50页 |
| 导师简介 | 第50-51页 |
| 获得成果目录 | 第51-52页 |
| 致谢 | 第52页 |