| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| §1-1 研究背景及意义 | 第9-10页 |
| §1-2 粒子群优化算法的国内外研究现状 | 第10页 |
| §1-3 图像分割算法的国内外研究现状 | 第10-13页 |
| 1-3-1 基于阈值的分割技术 | 第11-12页 |
| 1-3-2 基于区域跟踪的分割技术 | 第12页 |
| 1-3-3 基于边缘检测的分割技术 | 第12-13页 |
| §1-4 本文的主要研究内容 | 第13页 |
| §1-5 本文的结构安排 | 第13-15页 |
| 第二章 粒子群优化算法 | 第15-21页 |
| §2-1 群体智能 | 第15页 |
| §2-2 粒子群优化算法的原理 | 第15-16页 |
| §2-3 粒子群优化算法的数学模型 | 第16-17页 |
| §2-4 粒子群优化算法的基本步骤 | 第17-18页 |
| §2-5 粒子群优化算法的改进 | 第18-20页 |
| 2-5-1 带惯性因子的PSO 算法 | 第18-19页 |
| 2-5-2 带收敛因子的PSO 算法 | 第19页 |
| 2-5-3 不同拓扑结构的PSO 算法 | 第19-20页 |
| 2-5-4 基于遗传思想的PSO 算法 | 第20页 |
| 2-5-5 离散PSO 算法 | 第20页 |
| §2-6 PSO 算法存在的问题 | 第20-21页 |
| 第三章 一种改进粒子群算法及其在图像分割中的应用 | 第21-31页 |
| §3-1 改进的粒子群优化算法 | 第21-23页 |
| 3-1-1 改进粒子群优化算法的基本思想 | 第21-22页 |
| 3-1-2 改进粒子群优化算法的步骤 | 第22-23页 |
| §3-2 改进粒子群算法的性能实验 | 第23-26页 |
| 3-2-1 基准测试函数 | 第23-24页 |
| 3-2-2 实验结果与分析 | 第24-26页 |
| §3-3 改进粒子群算法在图像分割中的应用 | 第26-31页 |
| 3-3-1 最大熵阈值法 | 第26-27页 |
| 3-3-2 改进粒子群的最大熵图像分割算法 | 第27-28页 |
| 3-3-3 图像分割方法评价 | 第28页 |
| 3-3-4 阈值分割图像质量评价 | 第28页 |
| 3-3-5 实验结果与分析 | 第28-31页 |
| 第四章 基于改进 PSO 的 FCM 图像分割算法实现 | 第31-42页 |
| §4-1 模糊C-均值聚类算法分析 | 第31-35页 |
| 4-1-1 模糊C-均值聚类算法 | 第31-33页 |
| 4-1-2 模糊C-均值聚类图像分割算法 | 第33-34页 |
| 4-1-3 基于灰度直方图的快速模糊分割算法 | 第34页 |
| 4-1-4 实验结果与分析 | 第34-35页 |
| §4-2 模糊聚类有效性判别 | 第35-37页 |
| §4-3 改进PSO 的FCM 图像分割算法 | 第37-38页 |
| §4-4 实验结果与结论 | 第38-42页 |
| 第五章 基于改进 PSO 的 FCM 算法在血液细胞图像分割中的应用 | 第42-46页 |
| §5-1 基于改进PSO 的FCM 图像分割系统设计 | 第42-43页 |
| §5-2 血液细胞图像分割 | 第43-44页 |
| §5-3 实验结果与分析 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| §6-1 本文总结 | 第46页 |
| §6-2 未来展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间所取得的相关科研成果 | 第52页 |
