| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-12页 |
| ·选题背景及研究意义 | 第7页 |
| ·图像分割的数学描述 | 第7-8页 |
| ·图像分割的研究现状 | 第8-10页 |
| ·图像分割算法的发展趋势 | 第10-11页 |
| ·论文的主要工作及内容安排 | 第11-12页 |
| 2 红外图像的预处理 | 第12-18页 |
| ·红外图像噪声分析和质量评价标准 | 第12-14页 |
| ·红外图像的特点 | 第12页 |
| ·红外图像的噪声分析 | 第12-13页 |
| ·图像质量评价标准 | 第13-14页 |
| ·红外图像的降噪处理 | 第14-16页 |
| ·邻域平均法 | 第15页 |
| ·中值滤波 | 第15-16页 |
| ·实验结果 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 基于边缘检测的红外图像分割算法研究 | 第18-30页 |
| ·概述 | 第18页 |
| ·常用边缘检测算法 | 第18-25页 |
| ·Roberts 边缘检测 | 第19页 |
| ·Sobel 边缘检测 | 第19-20页 |
| ·Prewitt 边缘检测 | 第20-21页 |
| ·Laplacian of Gaussian(LOG)边缘检测 | 第21-22页 |
| ·Canny 边缘检测 | 第22-23页 |
| ·各种边缘检测结果及分析 | 第23-25页 |
| ·基于数学形态学的红外图像边缘提取 | 第25-29页 |
| ·数学形态学 | 第25页 |
| ·形态学基本运算 | 第25-26页 |
| ·基于数学形态学的边缘检测算法 | 第26-28页 |
| ·实验结果与分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 基于遗传神经网络的红外图像分割算法研究 | 第30-46页 |
| ·BP(Back propagation Algorithm)神经网络 | 第30-34页 |
| ·BP 网络模型 | 第30-31页 |
| ·BP 网络学习规则 | 第31-33页 |
| ·BP 网络的缺陷及改进方法 | 第33-34页 |
| ·遗传算法 | 第34-39页 |
| ·遗传算法的产生与发展 | 第35页 |
| ·遗传算法的基本思想 | 第35-36页 |
| ·遗传算法的特点 | 第36-37页 |
| ·遗传算法的基本操作 | 第37-39页 |
| ·遗传神经网络的算法设计 | 第39-44页 |
| ·参数设计 | 第39-40页 |
| ·算法流程 | 第40-42页 |
| ·实验结果与分析 | 第42-44页 |
| ·基于遗传神经网络的红外图像分割 | 第44-45页 |
| ·分割算法 | 第44页 |
| ·实验结果与分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于简化Mumford-Shah 模型的红外图像分割算法研究 | 第46-59页 |
| ·水平集方法 | 第46-48页 |
| ·Mumford-Shah 图像分割模型 | 第48-49页 |
| ·Chan-Vese 模型 | 第49-53页 |
| ·Chan-Vese 分割模型 | 第49-52页 |
| ·实验结果 | 第52-53页 |
| ·改进的C-V 分割算法 | 第53-54页 |
| ·实验结果与分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 6 结论 | 第59-61页 |
| ·本文工作总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
