| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·图像分割的重要性及意义 | 第10-12页 |
| ·图像分割基本理论 | 第12-14页 |
| ·图像分割的基本方法 | 第14-19页 |
| ·基于像素分类的分割 | 第14-16页 |
| ·基于边缘检测的分割 | 第16-17页 |
| ·基于区域的分割 | 第17-18页 |
| ·多尺度分割 | 第18-19页 |
| ·论文组织结构 | 第19-21页 |
| 第2章 模糊聚类理论基础 | 第21-29页 |
| ·聚类分析 | 第21-23页 |
| ·模糊理论 | 第23-26页 |
| ·模糊理论概述 | 第23-24页 |
| ·模糊集基础 | 第24-26页 |
| ·模糊聚类分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于目标函数的模糊聚类 | 第29-36页 |
| ·基于目标函数的模糊聚类分析 | 第29-32页 |
| ·数据集的 C 划分 | 第29-30页 |
| ·聚类目标函数 | 第30-32页 |
| ·模糊聚类算法 | 第32-34页 |
| ·硬 C 均值(HCM)聚类算法 | 第32-33页 |
| ·模糊均 C 值（FCM）聚类算法 | 第33-34页 |
| ·模糊 C 均值聚类算法存在的问题 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 改进的模糊 C 均值聚类的图像分割算法 | 第36-46页 |
| ·标准模糊 C 均值聚类算法 | 第37页 |
| ·K 均值聚类算法 | 第37-38页 |
| ·K 均值的基本思想 | 第37-38页 |
| ·K 均值聚类算法 | 第38页 |
| ·改进的基于模糊 C 均值聚类的图像分割算法 | 第38-41页 |
| ·实验结果及分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于灰度与空间特征加权的 FCM 图像分割 | 第46-55页 |
| ·图像的二维向量表示及其二维直方图 | 第46-47页 |
| ·基于灰度与邻域灰度特征加权的 FCM 图像分割 | 第47-50页 |
| ·加权系数 | 第48页 |
| ·聚类有效性 | 第48-49页 |
| ·算法步骤 | 第49-50页 |
| ·实验结果与分析 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间所发表的论文及研究成果 | 第60-61页 |
| 致谢 | 第61页 |