| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 模糊聚类理论 | 第12-15页 |
| 1.2.1 模糊理论基础 | 第12-13页 |
| 1.2.2 模糊集合定义 | 第13-14页 |
| 1.2.3 模糊聚类分析 | 第14-15页 |
| 1.3 模糊图像处理理论 | 第15-16页 |
| 1.3.1 图像模糊性分析 | 第15页 |
| 1.3.2 模糊图像处理定义 | 第15页 |
| 1.3.3 模糊图像处理理论 | 第15-16页 |
| 1.4 课题研究内容 | 第16-17页 |
| 1.5 本文组织结构 | 第17-18页 |
| 第2章 图像分割理论及算法 | 第18-29页 |
| 2.1 图像分割基础 | 第18-21页 |
| 2.1.1 图像分割定义 | 第18-19页 |
| 2.1.2 图像分割算法分类 | 第19-21页 |
| 2.1.3 图像分割系统研究 | 第21页 |
| 2.2 评价标准 | 第21-24页 |
| 2.2.1 图像分割的评价标准 | 第21-23页 |
| 2.2.2 图像质量评价标准 | 第23-24页 |
| 2.3 聚类分割算法 | 第24-29页 |
| 2.3.1 硬均值聚类算法HCM | 第24-25页 |
| 2.3.2 模糊C-均值聚类算法FCM | 第25-26页 |
| 2.3.3 FCM算法的有效性指标 | 第26-29页 |
| 第3章 自适应属性加权二维FCM分割算法 | 第29-45页 |
| 3.1 研究背景 | 第29页 |
| 3.2 直方图及构造法 | 第29-31页 |
| 3.3 模糊C-均值聚类算法简述 | 第31-34页 |
| 3.3.1 一维直方图模糊C-均值聚类图像分割法 | 第31-32页 |
| 3.3.2 二维直方图模糊C-均值聚类图像分割法 | 第32-34页 |
| 3.4 加权二维直方图模糊聚类分割法 | 第34-45页 |
| 3.4.1 算法构造 | 第34-36页 |
| 3.4.2 实验结果及分析 | 第36-43页 |
| 3.4.3 结论 | 第43-45页 |
| 第4章 新的鲁棒模糊C-均值聚类分割算法及其应用 | 第45-55页 |
| 4.1 研究背景 | 第45页 |
| 4.2 模糊局部聚类分割法 | 第45-47页 |
| 4.3 模糊局部聚类分割法缺陷分析 | 第47-48页 |
| 4.4 新的模糊局部聚类分割法推导与分析 | 第48-50页 |
| 4.5 实验结果及分析 | 第50-55页 |
| 4.5.1 随机椒盐噪声干扰分割测试 | 第51-52页 |
| 4.5.2 高斯噪声干扰分割测试 | 第52-54页 |
| 4.5.3 结论 | 第54-55页 |
| 第5章 快速模糊局部C-均值聚类分割算法 | 第55-71页 |
| 5.1 研究背景 | 第55-56页 |
| 5.2 共生矩阵 | 第56-58页 |
| 5.2.1 邻域大小3×3的加权共生矩阵 | 第56-57页 |
| 5.2.2 邻域大小5×5的加权共生矩阵 | 第57-58页 |
| 5.3 改进模糊局部C-均值聚类分割快速算法 | 第58-71页 |
| 5.3.1 算法构造 | 第58-59页 |
| 5.3.2 算法时间复杂度分析 | 第59-60页 |
| 5.3.3 实验结果及分析 | 第60-68页 |
| 5.3.4 结论 | 第68-71页 |
| 第6章 嵌入局部信息的快速KFCM聚类分割算法 | 第71-85页 |
| 6.1 研究背景 | 第71页 |
| 6.2 改进核空间模糊局部C-均值聚类算法 | 第71-74页 |
| 6.3 加权共生矩阵 | 第74-75页 |
| 6.4 基于直方图的核空间局部信息模糊聚类分割算法构造 | 第75-85页 |
| 6.4.1 算法构造 | 第75-77页 |
| 6.4.2 算法时间复杂度分析 | 第77页 |
| 6.4.3 实验结果及分析 | 第77-83页 |
| 6.4.4 结论 | 第83-85页 |
| 第7章 总结与展望 | 第85-87页 |
| 7.1 研究内容总结 | 第85-86页 |
| 7.2 研究内容展望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 攻读学位期间取得的研究成果 | 第93-95页 |
| 致谢 | 第95-96页 |