| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究的背景及其意义 | 第8页 |
| ·粒子群优化算法的研究现状 | 第8-11页 |
| ·粒子群优化算法的研究方向 | 第9-10页 |
| ·粒子群优化算法的应用现状 | 第10-11页 |
| ·图像分割方法概述 | 第11-13页 |
| ·基于区域的图像分割法 | 第11-12页 |
| ·基于边缘的图像分割法 | 第12页 |
| ·结合区域与边界信息的方法 | 第12-13页 |
| ·其它的图像分割方法 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 粒子群优化算法 | 第15-24页 |
| ·粒子群优化算法的基本原理 | 第15-16页 |
| ·粒子群优化算法的数学描述 | 第16页 |
| ·粒子群优化算法的基本步骤和流程 | 第16-18页 |
| ·PSO 算法的基本步骤 | 第16-17页 |
| ·PSO 算法的流程 | 第17-18页 |
| ·粒子群优化算法参数设置 | 第18页 |
| ·粒子群优化算法面临的问题 | 第18-19页 |
| ·粒子群优化算法的发展 | 第19-24页 |
| ·基于惯性因子的PSO 算法 | 第19-20页 |
| ·自适应PSO 算法 | 第20-21页 |
| ·引入收缩因子的PSO 算法 | 第21页 |
| ·基于遗传思想的PSO 算法 | 第21-22页 |
| ·协同PSO 算法 | 第22页 |
| ·离散PSO 算法 | 第22-23页 |
| ·混合PSO 算法 | 第23页 |
| ·其他PSO 改进算法 | 第23-24页 |
| 第三章 动态改变惯性权重的粒子群优化算法 | 第24-35页 |
| ·DCIWPSO 算法 | 第24-25页 |
| ·进化速度因子、聚集程度因子以及惯性权重的表示 | 第24-25页 |
| ·复制适应度好的粒子取代适应度差的粒子 | 第25页 |
| ·DCIWPSO 算法的伪码描述 | 第25-26页 |
| ·数值模拟 | 第26-35页 |
| ·基准测试函数 | 第26-29页 |
| ·惯性权重函数中α,β对算法的影响 | 第29-30页 |
| ·实验结果与比较 | 第30-35页 |
| 第四章 DCIWPSO 算法在多阈值图像分割中的应用 | 第35-45页 |
| ·图像分割的定义 | 第35页 |
| ·分割算法的评价 | 第35-36页 |
| ·基于阈值法的图像分割方法 | 第36-39页 |
| ·最大熵阈值法 | 第37-38页 |
| ·最大类间方差阈值法 | 第38页 |
| ·最小误差阈值法 | 第38-39页 |
| ·DCIWPSO 算法在图像分割中的应用 | 第39-45页 |
| ·基于DCIWPSO 算法的最大熵多阈值图像分割 | 第39-40页 |
| ·实验图像及参数设置 | 第40-42页 |
| ·优化结果与分析 | 第42-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·全文总结 | 第45页 |
| ·未来研究展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士期间发表的论文 | 第51-52页 |
| 致谢 | 第52-53页 |