第1章 概述1.1 圖像分割1.1.1 基於閾值的分割方法1.1.2 基於聚類的分割方法1.1.3 基於區域的分割方法1.1.4 基於邊緣的分割方法1.1.5 基於圖論的分割方法1.2 模糊聚類應用於圖像分割1.3 本書的結構參考文獻
第2章 模糊c-均值型聚類2.1 模糊c-均值聚類算法2.1.1 數據集X的c劃分2.1.2 硬c-均值聚類算法2.1.3 模糊c-均值聚類算法2.2 核模糊c-均值聚類算法2.2.1 核表示及核函數2.2.2 核模糊c-均值聚類算法2.3 抑制式模糊c-均值聚類算法2.3.1 競爭學習機制2.3.2 抑制式模糊c-均值聚類算法2.4 廣義模糊c-均值聚類算法2.5 可能性模糊c-均值聚類算法2.6 經典模糊c-均值型聚類算法性能分析參考文獻
第3章 利用圖像局部空間信息的模糊聚類3.1 引入鄰域空間限制項的模糊c-均值聚類算法及其核算法3.1.1 引入鄰域空間限制項的模糊c-均值聚類算法3.1.2 基於簡化鄰域空間限制項的模糊c-均值聚類算法3.1.3 基於簡化鄰域空間限制項的核模糊c-均值聚類算法3.2 加強模糊c-均值聚類算法3.2.1 線性加權和圖像的構建3.2.2 加強模糊c-均值聚類算法3.3 快速廣義模糊c-均值聚類算法3.3.1 新穎的線性加權和圖像的構建3.3.2 快速廣義模糊c-均值聚類算法3.4 模糊局部信息c-均值聚類算法3.4.1 融合局部空間信息的模糊因子3.4.2 模糊局部信息c-均值聚類算法3.5 幾種融合圖像局部空間信息的模糊聚類算法性能分析參考文獻
第4章 利用圖像非局部空間信息的模糊聚類4.1 圖像的非局部空間信息4.2 基於非局部空間信息的模糊c-均值聚類算法4.3 基於自調節非局部空間信息的模糊c-均值聚類算法4.3.1 自調節非局部空間信息的獲取4.3.2 基於自調節非局部空間信息的模糊c-均值聚類算法4.4 基於自調節非局部空間信息的快速模糊c-均值聚類算法4.4.1 自調節非局部空間灰度直方圖的構建4.4.2 融合自調節非局部空間信息的快速模糊c-均值聚類算法4.5 優選抑制式自調節非局部空間模糊c-均值聚類算法4.5.1 抑制式模糊c-均值聚類算法存在的問題4.5.2 模糊隸屬度優選抑制式策略4.5.3 優選抑制式非局部空間模糊c-均值聚類算法4.6 幾種融合圖像非局部空間信息的模糊聚類算法性能分析4.6.1 算法參數討論4.6.2 合成圖像對比實驗4.6.3 自然圖像對比實驗參考文獻
第5章 基於遺傳算法的模糊聚類圖像分割第6章 基於多目標進化模糊聚類的圖像分割第7章 基於模糊相似性譜聚類的圖像分割第8章 基於模糊原理提取譜聚類的圖像分割
請選擇顏色、尺碼等選項!
已成功加入購物車!