基于改进FCM的图像分割算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要内容和组织架构 | 第12-14页 |
| 2 模糊聚类与图像分割理论基础 | 第14-35页 |
| 2.1 模糊聚类理论基础 | 第14-22页 |
| 2.1.1 模糊集概述 | 第14-16页 |
| 2.1.2 模糊隶属度 | 第16-17页 |
| 2.1.3 聚类分析基本概念 | 第17-18页 |
| 2.1.4 聚类算法 | 第18-22页 |
| 2.2 图像分割理论基础 | 第22-34页 |
| 2.2.1 图像分割概述 | 第23页 |
| 2.2.2 图像分割方法 | 第23-32页 |
| 2.2.3 评价指标 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 3 基于遗传优化的改进FCM算法 | 第35-44页 |
| 3.1 传统的FCM算法 | 第35-37页 |
| 3.2 引入空间约束项的FCM算法 | 第37-38页 |
| 3.3 基于遗传优化的改进FCM算法 | 第38-41页 |
| 3.3.1 编码 | 第39页 |
| 3.3.2 适应度函数 | 第39页 |
| 3.3.3 遗传操作 | 第39-40页 |
| 3.3.4 控制参数选定 | 第40-41页 |
| 3.4 实验结果及分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于马尔科夫随机场的FCM改进算法 | 第44-62页 |
| 4.1 基于邻域像素的FCM改进算法 | 第44-50页 |
| 4.1.1 FCM_S1/S2算法 | 第44-45页 |
| 4.1.2 EnFCM算法 | 第45-46页 |
| 4.1.3 FGFCM算法 | 第46-47页 |
| 4.1.4 FLICM算法 | 第47-48页 |
| 4.1.5 KWFLICM算法 | 第48-50页 |
| 4.2 结合邻域信息的相似度度量 | 第50-51页 |
| 4.3 先验隶属度估计 | 第51-52页 |
| 4.4 算法推导过程 | 第52-53页 |
| 4.5 算法流程 | 第53页 |
| 4.6 实验结果及分析 | 第53-60页 |
| 4.6.1 人工合成图像实验 | 第54-55页 |
| 4.6.2 自然图像实验 | 第55-59页 |
| 4.6.3 脑图像实验 | 第59-60页 |
| 4.7 本章小结 | 第60-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间的研究成果 | 第69页 |
