| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 图像分割技术的发展与现状 | 第9-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 图像分割评价方法 | 第11-14页 |
| 1.4.1 主观评价方法 | 第11-12页 |
| 1.4.2 客观评价方法 | 第12-14页 |
| 1.5 本章小结 | 第14-16页 |
| 2 基于遗传算法的几何特征图像分割关键技术 | 第16-28页 |
| 2.1 最大类间差法图像分割技术 | 第16-18页 |
| 2.2 遗传算法理论框架 | 第18-21页 |
| 2.3 遗传算法和最大类间差法的图像分割技术 | 第21-22页 |
| 2.4 技术实现及可行性分析 | 第22-27页 |
| 2.4.1 技术实现 | 第23-26页 |
| 2.4.2 可行性分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于双凸模糊能量函数和遗传算法的图像分割 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 水平集理论和CV数学模型构造 | 第28-31页 |
| 3.3 能量函数框架 | 第31-33页 |
| 3.3.1 模糊逻辑 | 第31-32页 |
| 3.3.2 模糊能量函数及其最小化 | 第32-33页 |
| 3.4 基于双凸模糊能量函数和遗传算法的图像分割 | 第33-35页 |
| 3.5 仿真实验及结果分析 | 第35-39页 |
| 3.5.1 分割实验 | 第35-38页 |
| 3.5.2 实验分析 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于非线性规划遗传算法和模糊C-均值聚类算法的图像分割 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 聚类分析 | 第40-42页 |
| 4.3 基于模糊C-均值聚类算法 | 第42-43页 |
| 4.4 非线性规划遗传算法 | 第43-44页 |
| 4.4.1 非线性规划算法理论基础 | 第43页 |
| 4.4.2 非线性规划应用于图像分割的具体约束 | 第43-44页 |
| 4.5 基于非线性规划遗传算法和模糊C-均值聚类算法的图像分割 | 第44-48页 |
| 4.5.1 图像预处理 | 第44-46页 |
| 4.5.2 图像分割 | 第46-48页 |
| 4.6 仿真实验及结果分析 | 第48-52页 |
| 4.6.1 分割实验 | 第49-52页 |
| 4.6.2 实验分析 | 第52页 |
| 4.7 本章小结 | 第52-54页 |
| 5 总结和展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54-55页 |
| 5.2 展望和进一步的工作 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 附录 | 第64页 |