基于改进粒子群优化算法的灰度图像分割研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 粒子群优化算法理论基础 | 第14-29页 |
| 2.1 最优解概述 | 第14-15页 |
| 2.1.1 局部最优解 | 第14-15页 |
| 2.1.2 全局最优解 | 第15页 |
| 2.2 基本粒子群优化算法概述 | 第15-19页 |
| 2.2.1 基本粒子群优化算法介绍 | 第15-18页 |
| 2.2.2 粒子的个体行为和社会行为 | 第18-19页 |
| 2.3 粒子飞行轨迹 | 第19-23页 |
| 2.3.1 粒子收敛条件 | 第20-22页 |
| 2.3.2 基本粒子群优化算法的粒子飞行轨迹 | 第22-23页 |
| 2.4 粒子群优化算法的收敛条件 | 第23-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 改进型粒子群优化算法 | 第29-44页 |
| 3.1 局部收敛粒子群优化算法 | 第29-33页 |
| 3.2 全局收敛粒子群优化算法 | 第33-37页 |
| 3.2.1 基本粒子群优化算法不全局收敛 | 第33-34页 |
| 3.2.2 GCPSO算法不全局收敛 | 第34-35页 |
| 3.2.3 随机全局收敛粒子群优化算法 | 第35-36页 |
| 3.2.4 RPSO算法的收敛速度 | 第36-37页 |
| 3.3 协作学习粒子群优化算法 | 第37-43页 |
| 3.4 小结 | 第43-44页 |
| 第4章 智能灰度图像分割算法 | 第44-64页 |
| 4.1 综合学习粒子群优化算法 | 第44-54页 |
| 4.2 基于FCLPSO-3的灰度图像分割算法 | 第54-63页 |
| 4.2.1 阈值图像分割法 | 第54-55页 |
| 4.2.2 熵的意义 | 第55-56页 |
| 4.2.3 图像熵的意义 | 第56-57页 |
| 4.2.4 基于图像指数熵的目标函数 | 第57-60页 |
| 4.2.5 实验结果和分析 | 第60-63页 |
| 4.3 小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 学位论文评闽及答辩情况表 | 第73页 |
