声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 图像分割的研究现状
1.2.2 超像素图像分割方法的研究现状
1.2.3 模糊聚类算法的研究现状
1.3 本文研究内容
1.4 本文组织结构
1.5 本章小结
第二章 超像素有偏聚类分割方法研究
2.1 基于图论的超像素分割方法
2.1.1 Graph-based Segmentation方法
2.1.2 Normalized Cuts(Ncuts)方法
2.1.3 Superpixel Lattices方法
2.2 基于图论的超像素分割方法实验
2.2.1 Graph-based Segmentation方法实验
2.2.2 彩色图像分割方法实验
2.3 基于梯度下降的超像素分割方法
2.3.1 Watershed方法
2.3.2 Meanshift方法
2.3.3 SLIC方法
2.4 基于梯度下降的超像素分割方法实验
2.5 CIELab色彩空间
2.6 超像素有偏聚类分割方法
2.6.1 有偏聚类的方法
2.6.2 实验步骤及原理
2.6.3 超像素有偏聚类的分割实验及分析
2.7 本章小结
第三章 光照高亮区域模糊分割方法研究
3.1 聚类分析
3.2 模糊聚类分析
3.3 模糊C-均值聚类(FCM)
3.3.1 硬C-均值聚类
3.3.2 模糊C-均值聚类
3.3.3 快速模糊C-均值聚类
3.4 改进的模糊聚类方法
3.4.1 简化目标函数
3.4.2 设计流程
3.5 效果图像光照高亮区域的分割实验
3.5.1 实验结果
3.6 本章小结
第四章 效果图像光照高亮区域分割方法的结果评价验证
4.1 实验准备
4.1.1 测试数据准备
4.1.2 实验的运行环境和参数设置
4.2 分割的评价准则
4.2.1 轮廓一致率
4.2.2 面积重合率
4.2.3 欠分割率
4.2.4 过分割率
4.3 实验结果分析
4.4 应用图像增强实验结果分析
4.5 本章小结
第五章 效果图像光照高亮区域分割软件设计
5.1 软件设计
5.2 软件的模块设计
5.2.1 数据提取转换模块
5.2.2 超像素模糊聚类模块
5.2.3 优化结果输出模块
5.3 软件展示
5.4 软件输出结果展示
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读硕士期间发表的文章
东南大学;