| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容 | 第13页 |
| 1.4 论文的结构安排 | 第13-15页 |
| 第二章 基于人工蜂群算法的图像阈值分割 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 基于蜜蜂采蜜机理的人工蜂群算法 | 第15-19页 |
| 2.2.1 蜜蜂采蜜机理 | 第15-17页 |
| 2.2.2 人工蜂群算法 | 第17-19页 |
| 2.3 图像阈值分割原理 | 第19-21页 |
| 2.4 信息熵 | 第21-22页 |
| 2.5 基于人工蜂群算法的图像阈值分割 | 第22-24页 |
| 2.6 分割结果及其分析 | 第24-27页 |
| 2.7 人工蜂群算法的不足和改进方向 | 第27-28页 |
| 2.8 本章小结 | 第28-29页 |
| 第三章 基于Bloch球面的改进量子蜂群算法 | 第29-42页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于Bloch球面的改进量子蜂群算法 | 第30-34页 |
| 3.3 算法的收敛性证明 | 第34-36页 |
| 3.4 人工蜂群算法参数对优化结果的影响分析 | 第36-38页 |
| 3.5 基于Bloch球面的改进量子蜂群算法的函数优化 | 第38-41页 |
| 3.5.1 测试函数 | 第38-40页 |
| 3.5.2 函数优化 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于Bloch球面的改进量子蜂群算法的图像阈值分割 | 第42-56页 |
| 4.1 引言 | 第42-43页 |
| 4.2 BQABC算法的图像分割流程及复杂度分析 | 第43-46页 |
| 4.2.1 适应度函数的选取 | 第43-44页 |
| 4.2.2 算法的图像分割流程 | 第44-45页 |
| 4.2.3 算法时间复杂度分析 | 第45-46页 |
| 4.3 图像阈值分割及算法比较分析 | 第46-55页 |
| 4.3.1 标准图像和网络图像的阈值分割 | 第46-51页 |
| 4.3.2 含噪非标准图像的阈值分割 | 第51-53页 |
| 4.3.3 阈值分割的算法性能比较 | 第53页 |
| 4.3.4 峰值信噪比分析 | 第53-55页 |
| 4.3.5 分割结果分析 | 第55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 发表文章目录 | 第61-63页 |
| 致谢 | 第63-64页 |