| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 图像分割研究背景和意义 | 第8-9页 |
| 1.2 图像分割研究现状 | 第9-10页 |
| 1.3 图像分割方法概述 | 第10-13页 |
| 1.4 评价指标 | 第13-14页 |
| 1.5 文章结构和概括 | 第14-15页 |
| 2 基于支持向量机(SVM)的像素级彩色图像分割算法 | 第15-41页 |
| 2.1 支持向量机 | 第15-17页 |
| 2.2 基于FCM和SVM的彩色图像分割 | 第17-27页 |
| 2.2.1 颜色特征的提取 | 第17-20页 |
| 2.2.2 纹理特征的提取 | 第20-23页 |
| 2.2.3 算法描述 | 第23页 |
| 2.2.4 实验结果与分析 | 第23-26页 |
| 2.2.5 本文算法小结 | 第26-27页 |
| 2.3 基于Arimoto熵和SVM的彩色图像分割 | 第27-41页 |
| 2.3.1 颜色特征的提取 | 第27-30页 |
| 2.3.2 纹理特征的提取 | 第30-34页 |
| 2.3.3 Arimoto熵阈值 | 第34-36页 |
| 2.3.4 算法描述 | 第36页 |
| 2.3.5 实验结果与分析 | 第36-40页 |
| 2.3.6 本文算法小结 | 第40-41页 |
| 3 基于非参数高斯混合模型(GMM)的图像分割算法 | 第41-50页 |
| 3.1 特征提取 | 第41-44页 |
| 3.1.1 颜色特征的提取 | 第41-42页 |
| 3.1.2 纹理特征的提取 | 第42-44页 |
| 3.2 GMM模型 | 第44-45页 |
| 3.2.1 建立高斯混合模型 | 第44-45页 |
| 3.2.2 EM算法 | 第45页 |
| 3.3 建立非参数的混合模型 | 第45-47页 |
| 3.3.1 非参数的混合模型 | 第45-46页 |
| 3.3.2 建立非参数的混合模型过程描述 | 第46-47页 |
| 3.4 算法描述 | 第47-48页 |
| 3.5 实验结果与分析 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 4 PDTDFB域HMT图像分割算法 | 第50-66页 |
| 4.1 隐马尔可夫树模型 | 第50页 |
| 4.2 小波域隐马尔可夫模型 | 第50-53页 |
| 4.3 PDTDFB域建模 | 第53-60页 |
| 4.3.1 金字塔对偶树方向滤波器组(PDTDFB)介绍 | 第53-54页 |
| 4.3.2 EPDTDFB-HMT建模 | 第54-60页 |
| 4.4 算法描述 | 第60-61页 |
| 4.5 实验结果与分析 | 第61-64页 |
| 4.6 小结 | 第64-66页 |
| 5 总结 | 第66-68页 |
| 5.1 已做任务和创新 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73页 |
