| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究的背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 有限混合模型介绍 | 第9-10页 |
| 1.2.2 混合分量的研究现状与非对称混合模型 | 第10页 |
| 1.2.3 图像空间信息的研究现状 | 第10-11页 |
| 1.2.4 智能优化算法研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容与结构安排 | 第13-15页 |
| 2 不同模型与智能优化算法的比较 | 第15-26页 |
| 2.1 符号定义 | 第15-16页 |
| 2.2 不同模型比较 | 第16-19页 |
| 2.2.1 高斯混合模型及EM求解推导 | 第16-17页 |
| 2.2.2 其他核函数的有限混合模型 | 第17-18页 |
| 2.2.3 非对称混合模型及边界约束 | 第18-19页 |
| 2.3 优化算法 | 第19-22页 |
| 2.3.1 遗传算法 | 第19-20页 |
| 2.3.2 粒子群算法 | 第20-21页 |
| 2.3.3 MFO算法 | 第21-22页 |
| 2.4 实验结果与分析 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于标签传递和MFO优化的高斯混合模型分割算法 | 第26-37页 |
| 3.1 引言 | 第26-27页 |
| 3.2 提出的方法 | 第27-31页 |
| 3.2.1 投影图像的构造 | 第27页 |
| 3.2.2 使用MFO估计GMM参数 | 第27-29页 |
| 3.2.3 使用相似性矩阵进行标签传递 | 第29-30页 |
| 3.2.4 校正灰度不均匀性 | 第30-31页 |
| 3.3 实验分析 | 第31-35页 |
| 3.3.1 数据集合评价体系 | 第31-32页 |
| 3.3.2 实验论述 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 4 基于粗糙集的空间约束非对称高斯混合模型图像分割 | 第37-58页 |
| 4.1 引言 | 第37-38页 |
| 4.2 符号定义 | 第38-39页 |
| 4.3 模型的提出与构造 | 第39-45页 |
| 4.3.1 粗糙集区域的确定 | 第39-41页 |
| 4.3.2 边界支撑区域的构造 | 第41-42页 |
| 4.3.3 先验因子的构造 | 第42-43页 |
| 4.3.4 参数估计 | 第43-45页 |
| 4.4 实验结果 | 第45-57页 |
| 4.4.1 算法的实例展示 | 第47-48页 |
| 4.4.2 合成图像的分割 | 第48-50页 |
| 4.4.3 人脑MR图像的分割 | 第50-54页 |
| 4.4.4 彩色图像的分割 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66页 |