| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外发展现状 | 第12-14页 |
| ·论文内容安排 | 第14-16页 |
| 2 传统图像分割的方法介绍 | 第16-31页 |
| ·基于边缘的图像分割 | 第16-24页 |
| ·梯度算子 | 第16-18页 |
| ·边缘检测算子 | 第18-22页 |
| ·实验结果及分析 | 第22-23页 |
| ·边界跟踪 | 第23-24页 |
| ·基于区域的图像分割 | 第24-30页 |
| ·阈值法 | 第24-26页 |
| ·自适应阈值选取 | 第26-27页 |
| ·区域生长法 | 第27-28页 |
| ·分裂合并法 | 第28-29页 |
| ·分水岭分割方法 | 第29-30页 |
| ·基于区域和基于边界相结合的分割方法 | 第30-31页 |
| 3 非局部自适应阈值图像分割法 | 第31-36页 |
| ·引言 | 第31页 |
| ·去除背景像素 | 第31页 |
| ·非局部自适应阈值分割 | 第31-32页 |
| ·形态学滤波 | 第32-33页 |
| ·实验结果及分析 | 第33-36页 |
| 4 基于模糊熵的阈值分割方法 | 第36-47页 |
| ·模糊集 | 第36-37页 |
| ·模糊集合的概念 | 第36-37页 |
| ·模糊集合的运算及其性质 | 第37页 |
| ·几种常用的隶属度函数 | 第37-38页 |
| ·S 函数（偏大型隶属函数） | 第37-38页 |
| ·Z 函数（偏小型隶属函数） | 第38页 |
| ·函数（中间型隶属函数） | 第38页 |
| ·模糊熵 | 第38-39页 |
| ·广义模糊熵 | 第39-40页 |
| ·基于广义模糊熵的图像分割 | 第40-43页 |
| ·模糊集及隶属函数 | 第40-41页 |
| ·基于广义模糊熵的图像分割 | 第41-42页 |
| ·不动点的确定 | 第42-43页 |
| ·实验结果及分析 | 第43-45页 |
| ·改进参数的广义模糊熵阈值分割算法 | 第45-47页 |
| 5 基于阴影集的模糊 C 均值聚类图像分割 | 第47-59页 |
| ·引言 | 第47-48页 |
| ·模糊 C 均值聚类算法 | 第48页 |
| ·基于阴影集的模糊 C 均值聚类 | 第48-52页 |
| ·阴影集的概念 | 第48-50页 |
| ·基于阴影集的数据选择方法 | 第50-51页 |
| ·阴影集模糊 C 均值聚类算法 | 第51-52页 |
| ·局部空间的阴影集 C 均值聚类和非局部空间的阴影集 C 均值聚类 | 第52-55页 |
| ·局部空间的阴影集 C 均值聚类 | 第52-54页 |
| ·非局部空间的阴影集 C 均值聚类 | 第54-55页 |
| ·实验结果及分析 | 第55-59页 |
| 6 本文工作总结与展望 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·未来工作展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间撰写的论文及科研成果 | 第66-67页 |
| 致谢 | 第67-68页 |