| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-9页 |
| 1.1 课题背景与研究意义 | 第7-8页 |
| 1.2 图像分割技术的应用现状 | 第8页 |
| 1.3 本文的所作工作及主要内容 | 第8-9页 |
| 第二章 图像分割相关理论 | 第9-19页 |
| 2.1 图像分割定义 | 第9页 |
| 2.2 常见的图像分割方法 | 第9-14页 |
| 2.2.1 阀值分割方法 | 第9-11页 |
| 2.2.2 边缘检测方法 | 第11-13页 |
| 2.2.3 区域分割方法 | 第13-14页 |
| 2.2.4 聚类分割方法 | 第14页 |
| 2.3 模糊聚类理论 | 第14-18页 |
| 2.3.1 模糊集理论 | 第15页 |
| 2.3.2 聚类分析与图像分割 | 第15-16页 |
| 2.3.3 模糊 C 均值聚类算法 | 第16-18页 |
| 2.4 小结 | 第18-19页 |
| 第三章 湿地鸟类分割 | 第19-33页 |
| 3.1 图像颜色空间 | 第19-23页 |
| 3.1.1 RGB 颜色空间 | 第19-20页 |
| 3.1.2 XYZ 颜色空间 | 第20-21页 |
| 3.1.3 HSV 颜色空间 | 第21-22页 |
| 3.1.4 LAB 颜色空间 | 第22-23页 |
| 3.2 湿地鸟类图像特点 | 第23-24页 |
| 3.3 湿地鸟类图像分割 | 第24-32页 |
| 3.3.1 图片预处理 | 第24页 |
| 3.3.2 分割算法 | 第24-31页 |
| 3.3.3. 分割实验结果 | 第31-32页 |
| 3.4 小结 | 第32-33页 |
| 第四章 鸟类区域检测验证 | 第33-50页 |
| 4.1 纹理的定义 | 第33页 |
| 4.2 常用的纹理特征 | 第33-39页 |
| 4.2.1 灰度差分统计法 | 第33-34页 |
| 4.2.2 灰度共生矩阵 | 第34-36页 |
| 4.2.3 ACF 特征 | 第36-37页 |
| 4.2.4 Gabor 特征 | 第37-38页 |
| 4.2.5 行程长度统计法 | 第38-39页 |
| 4.3 BP 神经网络 | 第39-43页 |
| 4.3.1 BP 神经网络结构 | 第39-41页 |
| 4.3.2 BP 神经网络学习过程 | 第41-42页 |
| 4.3.3 数据预处理及参数选择 | 第42-43页 |
| 4.3.4 BP 神经网络特点 | 第43页 |
| 4.4 基于纹理与 BP 神经网络的鸟类区域的检测验证 | 第43-50页 |
| 4.4.1 鸟类纹理特征提取 | 第43-46页 |
| 4.4.2 BP 神经网络的训练 | 第46-49页 |
| 4.4.3 鸟类区域检测验证 | 第49页 |
| 4.4.4 实验结果 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第56页 |