基于粗糙集理论的图像分割方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| ·本文研究的目的和意义 | 第10-11页 |
| ·粗糙集理论与图像分割 | 第11-12页 |
| ·粗糙集与图像处理 | 第11页 |
| ·粗糙集在图像分割中的应用 | 第11-12页 |
| ·本文所做的主要工作 | 第12-14页 |
| 第2章 图像分割 | 第14-24页 |
| ·数字图像处理 | 第14-16页 |
| ·数字图像处理的定义和分类 | 第14页 |
| ·数字图像处理研究的主要内容 | 第14-16页 |
| ·图像分割的定义 | 第16页 |
| ·图像分割方法 | 第16-24页 |
| ·阀值法图像分割 | 第17-18页 |
| ·基于边缘的图像分割 | 第18-20页 |
| ·基于区域的图像分割 | 第20页 |
| ·基于特定理论和算法的图像分割 | 第20-24页 |
| 第3章 相关数学基础知识 | 第24-46页 |
| ·粗糙集理论 | 第24-34页 |
| ·粗糙集理论产生、应用及发展现状 | 第24-25页 |
| ·粗糙集理论的基本特点 | 第25-26页 |
| ·粗糙集基本概念 | 第26-30页 |
| ·粗糙集的属性约简 | 第30-34页 |
| ·粒子群算法 | 第34-37页 |
| ·粒子群算法的产生和发展 | 第34页 |
| ·粒子群优化的基本原理 | 第34-35页 |
| ·标准粒子群算法 | 第35-37页 |
| ·熵方法 | 第37-41页 |
| ·熵的概念 | 第37页 |
| ·信息熵 | 第37-39页 |
| ·粗糙熵 | 第39-41页 |
| ·蒙特卡罗方法 | 第41-46页 |
| ·蒙特卡罗方法的起源和发展 | 第41页 |
| ·蒲丰投针试验和蒙特卡罗方法的基本思想 | 第41-44页 |
| ·蒙特卡罗方法的解题步骤 | 第44-46页 |
| 第4章 粒子群优化和粗糙熵标准的图像分割 | 第46-58页 |
| ·算法原理 | 第46页 |
| ·图像子块的划分及算法流程 | 第46-51页 |
| ·图像子块划分与上、下近似及边界域的确定 | 第46-50页 |
| ·算法流程图 | 第50页 |
| ·算法步骤及主要函数描述 | 第50-51页 |
| ·试验分割效果和相关数据 | 第51-56页 |
| ·试验结果分析和结论 | 第56-58页 |
| 第5章 蒙特卡罗方法和粗糙熵的图像分割 | 第58-66页 |
| ·算法原理 | 第58页 |
| ·图像子块的划分和算法流程 | 第58-60页 |
| ·图像子块划分 | 第58-59页 |
| ·算法流程图 | 第59-60页 |
| ·算法步骤及主要函数描述 | 第60页 |
| ·试验分割结果和相关数据 | 第60-62页 |
| ·试验结果分析及结论 | 第62-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·全文总结 | 第66页 |
| ·粗糙集理论在图像分割中的应用展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
