| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·蚁群算法 | 第7-9页 |
| ·蚁群算法的历史及科学意义 | 第7页 |
| ·蚁群算法的研究概况 | 第7-8页 |
| ·蚁群算法特征 | 第8-9页 |
| ·图像分割 | 第9-11页 |
| ·图像分割的原理及方法分类 | 第9-10页 |
| ·图像分割的研究现状及发展趋势 | 第10-11页 |
| ·本文工作内容 | 第11-13页 |
| 第二章 基本蚁群算法理论 | 第13-25页 |
| ·蚁群算法概述 | 第13-17页 |
| ·蚁群算法起源 | 第13-14页 |
| ·蚂蚁群体行为模式 | 第14-15页 |
| ·人工蚁群系统 | 第15-17页 |
| ·基本蚁群算法模型 | 第17-21页 |
| ·经典的改进蚁群算法 | 第21-24页 |
| ·蚁群系统(ACS) | 第22-23页 |
| ·最大最小系统(MMAS) | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于区域-边界蚂蚁的改进蚁群算法应用于图像分割 | 第25-34页 |
| ·算法的基本思想 | 第25页 |
| ·算法模型 | 第25-30页 |
| ·图像特征提取及聚类中心初始化 | 第25-27页 |
| ·路径选择策略 | 第27-28页 |
| ·信息素更新策略 | 第28-29页 |
| ·边界蚁群的搜索策略 | 第29页 |
| ·算法流程图 | 第29-30页 |
| ·实验及分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 蚁群-脉冲耦合神经网络混合算法应用于图像分割 | 第34-48页 |
| ·脉冲耦合神经网络概述 | 第34-42页 |
| ·大脑皮层视觉神经系统 | 第34-35页 |
| ·Eckhorn 神经元模型 | 第35-36页 |
| ·脉冲耦合神经网络模型 | 第36-37页 |
| ·脉冲耦合神经网络工作原理 | 第37-42页 |
| ·蚁群-脉冲耦合神经网络混合算法 | 第42-45页 |
| ·实验与分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·总结 | 第48-49页 |
| ·展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第55页 |