摘要
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状与趋势
1.3 论文主要工作及章节安排
第2章 模糊聚类理论及算法
2.1 模糊理论基础
2.2 聚类分割算法分析
2.2.1 硬C-均值聚类算法
2.2.2 模糊C-均值聚类算法
2.2.3 中智模糊聚类算法
2.2.4 三种算法的联系与区别
2.3 图像分割的评价标准
2.4 本章小结
第3章 二维直方图中智模糊值聚类算法及应用
3.1 直方图及构造分析
3.2 模糊C-均值聚类算法分析
3.2.1 一维直方图的模糊C-均值聚类算法
3.2.2 二维直方图的模糊C-均值聚类算法
3.3 二维直方图中智模糊C-均值聚类算法
3.3.1 中智模糊聚类算法的优化
3.3.2 实验仿真结果及性能对比
3.4 二维直方图的中智模糊聚类算法的优化
3.5 分两类图像仿真测试结果及性能分析
3.5.1 椒盐噪声干扰分割测试
3.5.2 高斯噪声干扰分割测试
3.6 分三类图像仿真测试结果及性能分析
3.6.1 椒盐噪声干扰分割测试
3.6.2 高斯噪声干扰分割测试
3.7 本章小结
第4章 核空间中智模糊聚类算法及实现
4.1 核函数分析
4.1.1 核函数定理
4.1.2 核函数原理
4.1.3 核函数选择
4.2 核函数模糊C-均值聚类算法分析
4.3 核函数中智模糊聚类算法
4.3.1 核函数中智模糊聚类算法收敛性
4.3.2 核空间中智模糊聚类图像分割算法
4.4 隶属度未处理仿真测试结果及性能比较
4.4.1 无噪声干扰分割测试
4.4.2 椒盐噪声干扰分割测试
4.4.3 高斯噪声干扰分割测试
4.4.4 混合噪声干扰分割测试
4.5 隶属度经处理仿真测试结果及性能分析
4.5.1 椒盐噪声干扰分割测试
4.5.2 高斯噪声干扰分割测试
4.5.3 混合噪声干扰测试
4.5.4 乘性噪声干扰测试
4.6 本章小结
第5章 快速邻域信息中智模糊聚类算法及应用
5.1 邻域信息的模糊C-均值聚类算法
5.2 邻域信息约束的中智模糊聚类算法
5.3 邻域均值约束的中智模糊聚类算法
5.4 快速邻域均值约束的中智模糊聚类算法
5.5 实验结果及分析
5.5.1 椒盐噪声干扰分割测试
5.5.2 高斯噪声干扰分割测试
5.5.3 混合噪声干扰分割测试
5.5.4 乘性噪声干扰分割测试
5.6 本章小结
第6章 邻域信息核空间中智模糊聚类算法及实现
6.1 邻域信息的核空间中智模糊聚类算法
6.2 快速邻域信息核空间中智模糊聚类算法
6.3 直方图的快速LKNCM算法
6.4 实验结果及对比
6.4.1 椒盐噪声干扰分割测试
6.4.2 斯噪声干扰分割测试
6.4.3 乘性噪声干扰分割测试
6.5 本章小结
第7章 总结与展望
7.1 工作总结
7.2 研究展望
参考文献
攻读学位期间取得的研究成果
致谢
声明
西安邮电学院;
西安邮电大学;