基于模糊聚类的图像分割

第1章 概述
1．1 图像分割
1．1．1 基于阈值的分割方法
1．1．2 基于聚类的分割方法
1．1．3 基于区域的分割方法
1．1．4 基于边缘的分割方法
1．1．5 基于图论的分割方法
1．2 模糊聚类应用于图像分割
1．3 本书的结构
参考文献

第2章 模糊c-均值型聚类
2．1 模糊c-均值聚类算法
2．1．1 数据集X的c划分
2．1．2 硬c-均值聚类算法
2．1．3 模糊c-均值聚类算法
2．2 核模糊c-均值聚类算法
2．2．1 核表示及核函数
2．2．2 核模糊c-均值聚类算法
2．3 抑制式模糊c-均值聚类算法
2．3．1 竞争学习机制
2．3．2 抑制式模糊c-均值聚类算法
2．4 广义模糊c-均值聚类算法
2．5 可能性模糊c-均值聚类算法
2．6 经典模糊c-均值型聚类算法性能分析
参考文献

第3章 利用图像局部空间信息的模糊聚类
3．1 引入邻域空间限制项的模糊c-均值聚类算法及其核算法
3．1．1 引入邻域空间限制项的模糊c-均值聚类算法
3．1．2 基于简化邻域空间限制项的模糊c-均值聚类算法
3．1．3 基于简化邻域空间限制项的核模糊c-均值聚类算法
3．2 加强模糊c-均值聚类算法
3．2．1 线性加权和图像的构建
3．2．2 加强模糊c-均值聚类算法
3．3 快速广义模糊c-均值聚类算法
3．3．1 新颖的线性加权和图像的构建
3．3．2 快速广义模糊c-均值聚类算法
3．4 模糊局部信息c-均值聚类算法
3．4．1 融合局部空间信息的模糊因子
3．4．2 模糊局部信息c-均值聚类算法
3．5 几种融合图像局部空间信息的模糊聚类算法性能分析
参考文献

第4章 利用图像非局部空间信息的模糊聚类
4．1 图像的非局部空间信息
4．2 基于非局部空间信息的模糊c-均值聚类算法
4．3 基于自调节非局部空间信息的模糊c-均值聚类算法
4．3．1 自调节非局部空间信息的获取
4．3．2 基于自调节非局部空间信息的模糊c-均值聚类算法
4．4 基于自调节非局部空间信息的快速模糊c-均值聚类算法
4．4．1 自调节非局部空间灰度直方图的构建
4．4．2 融合自调节非局部空间信息的快速模糊c-均值聚类算法
4．5 优选抑制式自调节非局部空间模糊c-均值聚类算法
4．5．1 抑制式模糊c-均值聚类算法存在的问题
4．5．2 模糊隶属度优选抑制式策略
4．5．3 优选抑制式非局部空间模糊c-均值聚类算法
4．6 几种融合图像非局部空间信息的模糊聚类算法性能分析
4．6．1 算法参数讨论
4．6．2 合成图像对比实验
4．6．3 自然图像对比实验
参考文献

第5章 基于遗传算法的模糊聚类图像分割
第6章 基于多目标进化模糊聚类的图像分割
第7章 基于模糊相似性谱聚类的图像分割
第8章 基于模糊原理提取谱聚类的图像分割