| 提要 | 第4-5页 |
| 中文摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 第一章 绪论 | 第16-32页 |
| 1.1 图像分割的研究背景与意义 | 第16-17页 |
| 1.2 图像分割及算法综述 | 第17-21页 |
| 1.2.1 图像分割原理 | 第17页 |
| 1.2.2 图像分割算法综述 | 第17-21页 |
| 1.3 模糊聚类算法及其研究概况 | 第21-26页 |
| 1.3.1 聚类分割算法 | 第21-22页 |
| 1.3.2 聚类分割算法国内外研究现状 | 第22-26页 |
| 1.4 水平集分割方法及其研究概况 | 第26-29页 |
| 1.4.1 水平集分割方法 | 第26-27页 |
| 1.4.2 水平集分割方法国内外研究现状 | 第27-29页 |
| 1.5 主要研究工作 | 第29-32页 |
| 第二章 基于空间约束的模糊C 均值图像分割 | 第32-52页 |
| 2.1 引言 | 第32-33页 |
| 2.2 传统模糊C 均值算法 | 第33-39页 |
| 2.2.1 模糊集引入 | 第33页 |
| 2.2.2 模糊集概念和性质 | 第33-36页 |
| 2.2.3 传统模糊C 均值算法 | 第36-37页 |
| 2.2.4 Lagrange乘数法 | 第37-39页 |
| 2.3 基于空间约束的模糊C 均值算法 | 第39-42页 |
| 2.3.1 基于核函数的模糊C 均值算法 | 第39-41页 |
| 2.3.2 基于隶属度修正的模糊C 均值算法 | 第41-42页 |
| 2.4 新的基于核函数及空间邻域信息的模糊C 均值图像分割 | 第42-49页 |
| 2.4.1 新的基于隶属度修正的模糊C 均值图像分割算法 | 第43-45页 |
| 2.4.2 针对该算法的有效性评价函数 | 第45页 |
| 2.4.3 实验结果及分析 | 第45-49页 |
| 2.5 本章小结 | 第49-52页 |
| 第三章 基于改进粒子群算法的模糊C 均值图像分割 | 第52-64页 |
| 3.1 引言 | 第52-53页 |
| 3.2 粒子群算法及改进 | 第53-58页 |
| 3.2.1 标准粒子群优化算法 | 第53-58页 |
| 3.2.2 改进的粒子群算法 | 第58页 |
| 3.3 硬C 均值聚类算法介绍 | 第58-61页 |
| 3.3.1 数据集的C 划分 | 第59-60页 |
| 3.3.2 硬C 均值聚类算法 | 第60-61页 |
| 3.4 基于改进粒子群算法的模糊C 均值图像分割 | 第61-63页 |
| 3.4.1 基于改进粒子群算法的模糊C 均值图像分割算法 | 第61-62页 |
| 3.4.2 实验结果及分析 | 第62-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第四章 基于改进的距离保持水平集图像分割模型 | 第64-96页 |
| 4.1 引言 | 第64页 |
| 4.2 背景理论 | 第64-72页 |
| 4.2.1 活动轮廓模型 | 第64-66页 |
| 4.2.2 曲线演化理论 | 第66-67页 |
| 4.2.3 轮廓曲线的隐含表达 | 第67-68页 |
| 4.2.4 水平集 | 第68页 |
| 4.2.5 水平集函数的曲线演化 | 第68-71页 |
| 4.2.6 水平集方法的数值实现 | 第71-72页 |
| 4.3 基于传统的几何主动轮廓模型的图像分割 | 第72-84页 |
| 4.3.1 基于图像边缘力的几何主动轮廓模型 | 第72-75页 |
| 4.3.2 基于区域图像信息的几何主动轮廓模型 | 第75-81页 |
| 4.3.3 无需重新初始化水平集演化方法 | 第81-82页 |
| 4.3.4 实验结果与分析 | 第82-84页 |
| 4.4 改进的距离保持水平集图像分割模型 | 第84-93页 |
| 4.4.1 引言 | 第84-85页 |
| 4.4.2 改进的距离保持水平集演化方法 | 第85-89页 |
| 4.4.3 实验结果及分析 | 第89-93页 |
| 4.5 本章小结 | 第93-96页 |
| 第五章 结论 | 第96-100页 |
| 5.1 本文主要研究工作 | 第96-97页 |
| 5.2 进一步工作展望 | 第97-100页 |
| 参考文献 | 第100-116页 |
| 攻读博士期间发表论文 | 第116-117页 |
| 致谢 | 第117页 |
