基于粒子群算法与PCNN的图像分割研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 图像分割概述 | 第8-13页 |
| 1.2.1 图像分割的定义 | 第8-9页 |
| 1.2.2 图像分割方法 | 第9-11页 |
| 1.2.3 图像分割评价 | 第11-13页 |
| 1.3 论文的组织结构 | 第13-15页 |
| 第二章 粒子群算法理论 | 第15-24页 |
| 2.1 粒子群算法背景 | 第15页 |
| 2.2 粒子群算法概述 | 第15-20页 |
| 2.2.1 基本思想 | 第15-16页 |
| 2.2.2 参数分析 | 第16-17页 |
| 2.2.3 运算过程 | 第17-18页 |
| 2.2.4 仿真实验及分析 | 第18-20页 |
| 2.3 基本粒子群算法的改进 | 第20-23页 |
| 2.4 粒子群算法应用 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于PCNN的图像分割 | 第24-35页 |
| 3.1 PCNN的基本模型及改进 | 第24-26页 |
| 3.2 工作原理 | 第26-28页 |
| 3.2.1 无耦合链接情况下的PCNN运行行为 | 第26-27页 |
| 3.2.2 耦合链接情况下的PCNN运行行为 | 第27-28页 |
| 3.3 基于PCNN的数字图像分割 | 第28-31页 |
| 3.3.1 自然周期和捕获范围 | 第28-29页 |
| 3.3.2 阈值函数扩大因子V_θ的选择 | 第29-30页 |
| 3.3.3 PCNN分割效果好的条件 | 第30-31页 |
| 3.3.4 PCNN分割方法的步骤 | 第31页 |
| 3.4 仿真实验与分析 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 PSO算法优化PCNN参数 | 第35-43页 |
| 4.1 PCNN参数优化的必要性 | 第35-36页 |
| 4.2 目标函数的设计 | 第36-37页 |
| 4.3 参数优化的具体步骤 | 第37-38页 |
| 4.4 实验仿真与分析 | 第38-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文总结 | 第43-44页 |
| 5.2 未来工作展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49页 |
