| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 图像阈值分割法研究现状 | 第15-17页 |
| 1.2.2 智能优化算法研究现状 | 第17-19页 |
| 1.3 本文主要研究内容与安排 | 第19-22页 |
| 1.3.1 主要研究内容 | 第19页 |
| 1.3.2 具体内容安排 | 第19-22页 |
| 第二章 智能优化及图像阈值分割基础理论 | 第22-28页 |
| 2.1 广义模糊熵阈值分割及参数确定 | 第22-24页 |
| 2.1.1 广义模糊熵阈值分割理论 | 第22-24页 |
| 2.1.2 参数确定 | 第24页 |
| 2.2 最佳阈值基本理论 | 第24-26页 |
| 2.3 最大熵阈值分割基本理论 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 广义模糊熵图像阈值分割参数选取的ADE方法 | 第28-38页 |
| 3.1 自适应差分进化算法 | 第28-34页 |
| 3.1.1 差分进化算法 | 第28-29页 |
| 3.1.2 自适应过程 | 第29-31页 |
| 3.1.3 算法性能测试 | 第31-32页 |
| 3.1.4 算法步骤 | 第32-34页 |
| 3.2 实验结果与分析 | 第34-37页 |
| 3.3 本章总结 | 第37-38页 |
| 第四章 基于双自适应蚁群算法的广义模糊熵图像阈值分割 | 第38-52页 |
| 4.1 广义模糊熵参数确定方法 | 第38-39页 |
| 4.2 双自适应蚁群优化算法 | 第39-44页 |
| 4.2.1 初始时刻信息素浓度自适应机制 | 第40-42页 |
| 4.2.2 全局更新规则自适应 | 第42页 |
| 4.2.3 DAACO算法广义模糊熵图像阈值分割步骤 | 第42-44页 |
| 4.3 仿真实验结果分析 | 第44-50页 |
| 4.3.1 算法参数选择的实验结果及分析 | 第44-46页 |
| 4.3.2 图像分割实验结果及分析 | 第46-50页 |
| 4.4 本章总结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52-53页 |
| 5.2 相关工作展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 作者简介 | 第60-61页 |
