| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 图像分割的研究现状 | 第10-12页 |
| 1.2.2 和声搜索算法的研究现状 | 第12-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第二章 标准和声搜索算法及其经典的改进算法 | 第15-21页 |
| 2.1 标准和声搜索算法 | 第15-18页 |
| 2.1.1 标准和声搜索算法的简介 | 第15页 |
| 2.1.2 标准和声搜索算法的具体步骤 | 第15-18页 |
| 2.2 几种经典的改进和声搜索算法 | 第18-20页 |
| 2.2.1 改进的和声搜索(IHS)算法 | 第18页 |
| 2.2.2 全局最好和声搜索(GHS)算法 | 第18-19页 |
| 2.2.3 自适应全局最好和声搜索(SGHS)算法 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 融合局部搜索的和声搜索算法 | 第21-28页 |
| 3.1 引言 | 第21页 |
| 3.2 融合局部搜索的和声搜索(LSHS)算法 | 第21-23页 |
| 3.2.1 基本思想 | 第21页 |
| 3.2.2 LSHS算法流程 | 第21-23页 |
| 3.3 实验仿真与分析 | 第23-27页 |
| 3.3.1 实验环境设置 | 第23-25页 |
| 3.3.2 实验结果分析 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 LSHS算法在数字图像分割中的应用 | 第28-47页 |
| 4.1 灰度图像分割 | 第28-38页 |
| 4.1.1 灰度阈值图像分割简介 | 第28页 |
| 4.1.2 二维最大熵阈值法 | 第28-31页 |
| 4.1.3 LSHS算法应用于最大熵的图像分割 | 第31-32页 |
| 4.1.4 实验环境设置与仿真结果分析 | 第32-38页 |
| 4.2 彩色图像分割 | 第38-46页 |
| 4.2.1 彩色图像分割简介 | 第38页 |
| 4.2.2 颜色空间描述 | 第38-41页 |
| 4.2.3 LSHS算法的彩色图像分割 | 第41-42页 |
| 4.2.4 实验环境设置与仿真结果分析 | 第42-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 主要工作和结论 | 第47-48页 |
| 5.2 进一步的工作展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间的研究成果 | 第53-54页 |