图像分割的认知物理学方法PDF|Epub|txt|kindle电子书版本网盘下载

图像分割的认知物理学方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 研究目的与意义1

1.2 国内外研究现状及发展动态4

1.2.1 认知物理学的研究现状及发展动态4

1.2.2 粒计算的研究现状及发展动态6

1.2.3 图像分割的研究现状及发展动态8

1.2.4 图像分割质量评价的研究现状及发展动态11

1.3 本书的主要关注点13

第2章 认知物理学的理论与方法16

2.1 认知物理学的内涵16

2.2 数据场18

2.2.1 数据场的势函数形态18

2.2.2 数据场的可视化方法20

2.2.3 数据场的影响因子21

2.2.4 动态数据场22

2.3 云模型24

2.3.1 正向正态云发生器25

2.3.2 逆向正态云发生器26

2.3.3 云模型与二型模糊集合的比较32

2.4 基于数据场的可变粒度层次结构34

2.5 本章小结36

第3章 图像分割的认知物理学框架37

3.1 图像分割与粒计算37

3.1.1 粒计算模型及其基本问题37

3.1.2 图像分割的粒计算原理38

3.2 基于认知物理学粒计算模型的图像分割框架40

3.2.1 认知物理学支持下的图像分割粒计算模型40

3.2.2 与传统粒计算模型的关系43

3.3 利用数据场的图像粒化44

3.3.1 图像数据场44

3.3.2 图像特征场51

3.4 利用可变粒度层次结构的图像粒化计算55

3.4.1 图像数据场的层次结构55

3.4.2 图像特征场的层次演化57

3.4.3 图像粒的层次转换59

3.5 利用云模型的图像不确定性粒化计算61

3.5.1 图像数据场的不确定性分析61

3.5.2 图像特征场的不确定性演化62

3.6 本章小结63

第4章 图像分割的多层次粒计算方法64

4.1 图像过渡区提取与分割方法64

4.1.1 图像过渡区概述64

4.1.2 融合局部特征的图像过渡区提取方法65

4.1.3 过渡区与图像数据场69

4.1.4 IDfT方法描述与分析71

4.1.5 IDfT方法实验结果与分析73

4.2 图像同质区域分割方法79

4.2.1 同质区域与图像数据场79

4.2.2 图像同质吸引关系81

4.2.3 IDfH方法描述与分析82

4.2.4 IDfH方法与相关传统方法的关系84

4.2.5 IDfH方法实验结果与分析85

4.3 图像不确定性分析的粗糙熵方法88

4.3.1 粗糙集图像分析概述88

4.3.2 图像不确定性表示的粗糙集方法89

4.3.3 自适应的粗糙粒度92

4.3.4 AREbIT方法描述与分析95

4.3.5 AREbIT方法实验结果与分析96

4.4 图像不确定性边缘提取方法99

4.4.1 图像边缘提取概述99

4.4.2 边缘与图像数据场100

4.4.3 图像边缘的不确定性分析102

4.4.4 CDbE方法描述与分析105

4.4.5 CDbE方法实验结果与分析106

4.5 本章小结112

第5章 图像分割的多视角粒计算方法113

5.1 不确定性的图像一维阈值分割方法113

5.1.1 多视角的图像数据场113

5.1.2 图像数据场在不同视角所反映的特征115

5.1.3 CDbT方法描述与分析117

5.1.4 CDbT方法实验结果与分析119

5.2 快速的图像二维阈值分割方法122

5.2.1 图像二维阈值分割概述122

5.2.2 图像二维特征场及其势心123

5.2.3 2DDF方法描述与分析125

5.2.4 2DDF方法实验结果与分析127

5.3 无显式准则的图像三维阈值分割方法129

5.3.1 图像阈值分割的视觉特性129

5.3.2 图像三维特征场130

5.3.3 图像三维特征场的演化132

5.3.4 3DDF方法描述与分析133

5.3.5 3DDF方法的收敛性分析134

5.3.6 3DDF方法实验结果与分析137

5.4 无显式准则的图像高维分割方法152

5.4.1 图像灰度与纹理特征的融合152

5.4.2 图像高维特征场及其演化154

5.4.3 hDDF方法描述与分析158

5.4.4 hDDF方法实验结果与分析160

5.5 本章小结164

第6章 利用认知物理学方法的图像应用尝试165

6.1 利用数据场的图像特征提取尝试165

6.1.1 稀疏二值图像特征提取概述165

6.1.2 二值图像数据场166

6.1.3 BDfF方法描述与分析167

6.1.4 BDfF方法时间复杂度及讨论170

6.1.5 BDfF方法实验结果与分析171

6.2 利用数据场的图像分析框架179

6.2.1 图像数据场变换180

6.2.2 IdfF图像分析框架183

6.2.3 IdfF框架的参数设置策略183

6.2.4 IdfF算法分析与实验设置185

6.2.5 IdfF框架实验结果与分析185

6.3 利用云模型的图像特征提取尝试190

6.3.1 血细胞图像特征提取概述190

6.3.2 血细胞图像的云模型表示191

6.3.3 血细胞图像特征提取193

6.3.4 CbBT方法描述194

6.3.5 CbBT方法时间复杂度分析195

6.3.6 CbBT方法实验结果与分析195

6.4 利用云模型的图像分析框架200

6.4.1 图像不确定性表示200

6.4.2 CbRC方法描述与分析203

6.4.3 利用CbRC方法的改进统计阈值分割206

6.4.4 CbRC方法实验结果与分析209

6.5 本章小结217

第7章 讨论与研究展望218

7.1 图像分割的认知物理学研究展望218

7.2 利用认知物理学的图像应用研究展望219

参考文献224