| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文主要工作及内容安排 | 第10-12页 |
| 第二章 基础理论 | 第12-25页 |
| ·模糊理论 | 第12-18页 |
| ·模糊理论简介 | 第12页 |
| ·模糊集基础 | 第12-13页 |
| ·常用的建立隶属函数的方法 | 第13-16页 |
| ·模糊理论在图像处理中的应用 | 第16-17页 |
| ·图像分割中的模糊技术 | 第17-18页 |
| ·蚁群算法的基本理论 | 第18-24页 |
| ·蚂蚁的群体行为和信息系统 | 第18-19页 |
| ·蚁群算法的原理 | 第19-21页 |
| ·蚁群算法的基本模型 | 第21-22页 |
| ·蚁群算法的具体实现 | 第22-23页 |
| ·一些改进的蚁群算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 憎水性图像预处理 | 第25-35页 |
| ·基于直方图均衡的憎水性图像增强算法 | 第25-28页 |
| ·直方图均衡方法 | 第25-27页 |
| ·憎水性图像的直方图均衡 | 第27-28页 |
| ·基于模糊逻辑的增水性图像滤波算法 | 第28-34页 |
| ·模糊逻辑理论 | 第28-29页 |
| ·IF-THEN 规则 | 第29页 |
| ·模糊推理技术 | 第29-31页 |
| ·基于模糊逻辑的憎水性图像滤波算法 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 憎水性图像分割和边缘提取算法 | 第35-48页 |
| ·基于模糊熵的憎水性图像阈值分割算法 | 第35-39页 |
| ·模糊熵定义 | 第35-36页 |
| ·憎水性图像的模糊熵 | 第36-37页 |
| ·基于一维最大模糊熵的阈值分割 | 第37页 |
| ·实验结果分析 | 第37-39页 |
| ·基于蚁群算法的憎水性图像边缘提取算法 | 第39-46页 |
| ·蚁群算法在图像处理中的应用 | 第39-40页 |
| ·憎水性图像的蚁群算法描述 | 第40-41页 |
| ·基于蚁群算法的知觉图表的建立 | 第41-42页 |
| ·憎水性图像梯度计算 | 第42-43页 |
| ·憎水性图像边缘检测 | 第43-44页 |
| ·实验结果分析 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 绝缘子憎水性等级判别方法 | 第48-55页 |
| ·常用基于数字图像处理的憎水性指示函数法的等级判别方法 | 第48-50页 |
| ·本文憎水性等级判别方法 | 第50-54页 |
| ·基于模糊熵的阈值分割结果的憎水性等级判别方法 | 第51-52页 |
| ·基于蚁群算法的边缘提取结果的憎水性等级判别方法 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结和展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 在学期间发表的学术论文和参加科研情况 | 第64页 |