首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

面向图像分割的智能算法研究

摘要第7-9页
ABSTRACT第9-10页
第一章 绪论第14-26页
    1.1 课题研究的目的和意义第14-15页
    1.2 国内外研究概况第15-23页
        1.2.1 图像多层分割第15-18页
        1.2.2 图像语义分割第18-23页
    1.3 论文的主要研究内容第23-26页
第二章 图像分割和智能计算基础第26-50页
    2.1 图像分割基础第26-45页
        2.1.1 多层图像阈值分割第27-33页
        2.1.2 图像语义分割第33-45页
    2.2 智能计算基础第45-49页
        2.2.1 最优化问题第45-46页
        2.2.2 函数优化问题第46页
        2.2.3 组合优化问题第46-47页
        2.2.4 NP理论第47-48页
        2.2.5 智能优化方法第48-49页
        2.2.6 智能优化算法的发展趋势第49页
    2.3 本章小结第49-50页
第三章 基于二维K-L散度和改进粒子群优化的图像多层分割算法第50-68页
    3.1 引言第50-52页
    3.2 K-L散度第52页
    3.3 二维直方图第52-54页
    3.4 粒子群优化第54-55页
    3.5 提出的算法第55-61页
        3.5.1 散度和图像分割之间的关系第55-56页
        3.5.2 二维散度图像分割算法第56-58页
        3.5.3 改进的粒子群优化算法第58-60页
        3.5.4 2D K-L散度和MPSO的结合第60-61页
    3.6 实验结果第61-66页
    3.7 本章小结第66-68页
第四章 基于梯度和改进极值优化的自适应粒子群优化器第68-85页
    4.1 引言第68-70页
    4.2 极值优化第70-71页
    4.3 提出的优化算法第71-75页
        4.3.1 改进的极值优化(IEO)第71-72页
        4.3.2 基于梯度的自适应PSO-IEO算法第72-74页
        4.3.3 提出算法的时间复杂度第74-75页
        4.3.4 提出算法的适应度函数第75页
    4.4 实验结果第75-83页
        4.4.1 实验1:基准测试函数第75-81页
        4.4.2 实验2:图像多层分割第81-83页
    4.5 本章小结第83-85页
第五章 基于高阶势和生成对抗网络的图像语义分割算法第85-103页
    5.1 引言第85-88页
    5.2 提出的语义分割算法第88-91页
        5.2.1 提出算法的网络架构第89-90页
        5.2.2 损失函数第90-91页
    5.3 训练方式第91-94页
        5.3.1 防止过拟合第91-92页
        5.3.2 优化算法第92-94页
    5.4 实验结果第94-101页
        5.4.1 常用的图像语义分割数据集第94-96页
        5.4.2 评估标准第96-97页
        5.4.3 实验1:PASCAL VOC 2012数据集第97-100页
        5.4.4 实验2:Cityscapes数据集第100-101页
    5.5 本章小结第101-103页
第六章 结论与展望第103-106页
    6.1 结论第103-104页
    6.2 展望第104-106页
参考文献第106-117页
作者在攻读博士期间发表的论文第117-118页
作者在攻读博士期间所做的项目第118-119页
致谢第119页

论文共119页,点击 下载论文
上一篇:基于分子通信的多纳米机器人局部靶向药物传送关键技术研究
下一篇:地方政府投资的经济效应分析--兼论趋同性竞争的后果