基于模糊聚类的彩色图像分割方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-19页 |
| ·研究背景与意义 | 第10-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·基于边缘的图像分割 | 第13-14页 |
| ·基于阈值的图像分割 | 第14页 |
| ·基于区域的图像分割 | 第14-15页 |
| ·基于遗传算法的图像分割 | 第15页 |
| ·基于人工神经网络的图像分割 | 第15-16页 |
| ·基于小波分析和变换的图像分割 | 第16页 |
| ·基于模糊聚类分析的图像分割 | 第16-17页 |
| ·研究内容与组织结构 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·组织结构 | 第18-19页 |
| 第2章 彩色图像分割的研究 | 第19-30页 |
| ·图像分割的概念 | 第19-20页 |
| ·彩色空间 | 第20-27页 |
| ·RGB彩色空间 | 第20-21页 |
| ·CMY彩色空间 | 第21-22页 |
| ·YIQ彩色空间 | 第22页 |
| ·YUV彩色空间 | 第22-23页 |
| ·HSI彩色空间 | 第23-24页 |
| ·Lab彩色空间 | 第24-26页 |
| ·RGB空间和HSI空间的仿真 | 第26-27页 |
| ·中值滤波及仿真 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于模糊聚类的彩色图像分割算法 | 第30-41页 |
| ·聚类分析与模糊概念 | 第30-32页 |
| ·聚类分析 | 第30-31页 |
| ·模糊理论 | 第31页 |
| ·模糊集合 | 第31-32页 |
| ·模糊聚类算法 | 第32-36页 |
| ·K均值聚类算法(HCM) | 第32-34页 |
| ·模糊C均值聚类算法(FCM) | 第34-35页 |
| ·加权的模糊聚类算法(WFCM) | 第35-36页 |
| ·带惩罚项的模糊聚类算法 | 第36页 |
| ·模糊聚类算法的相关研究 | 第36-39页 |
| ·聚类个数C的确定 | 第36-37页 |
| ·初始聚类中心的确定 | 第37页 |
| ·局部极值的问题 | 第37-38页 |
| ·运算量大的问题 | 第38页 |
| ·空间信息的使用 | 第38-39页 |
| ·聚类的后处理的问题 | 第39页 |
| ·模糊聚类彩色图像分割的仿真 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 改进的FCM彩色图像分割算法 | 第41-55页 |
| ·边缘检测 | 第41-49页 |
| ·梯度算子 | 第41-44页 |
| ·彩色图像的Sobel算子边缘检测 | 第44-49页 |
| ·改进的全局K均值算法 | 第49-52页 |
| ·全局K均值聚类算法 | 第49-50页 |
| ·快速全局K均值聚类算法 | 第50页 |
| ·分裂聚类算法 | 第50-51页 |
| ·全局K均值的改进算法 | 第51-52页 |
| ·仿真实验结果分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-58页 |
| ·工作总结 | 第55-56页 |
| ·未来展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
