| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 图像分割方法的研究现状 | 第10-12页 |
| 1.2.2 粒子群优化算法的研究现状 | 第12-14页 |
| 1.2.3 粒子群算法应用于图像分割的研究现状 | 第14页 |
| 1.3 本文所做的工作 | 第14-15页 |
| 1.4 章节安排 | 第15-16页 |
| 第2章 粒子群优化算法 | 第16-25页 |
| 2.1 粒子群优化算法的基本原理 | 第16-17页 |
| 2.2 粒子群优化算法的数学描述 | 第17-18页 |
| 2.3 粒子群算法的步骤和流程 | 第18-19页 |
| 2.3.1 PSO算法的基本步骤 | 第18页 |
| 2.3.2 PSO算法的流程 | 第18-19页 |
| 2.4 算法的特点与参数设置 | 第19-21页 |
| 2.4.1 算法的特点 | 第19-20页 |
| 2.4.2 粒子群优化算法参数设置 | 第20-21页 |
| 2.5 粒子群算法的改进 | 第21-24页 |
| 2.5.1 基于融合策略的PSO改进算法 | 第21-22页 |
| 2.5.2 基于变异行为的PSO改进算法 | 第22-23页 |
| 2.5.3 基于迭代公式改进的PSO算法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 云自适应混合变异粒子群优化算法研究 | 第25-40页 |
| 3.1 云模型的基本概念 | 第25-27页 |
| 3.1.1 云理论 | 第25-26页 |
| 3.1.2 云模型的参数 | 第26-27页 |
| 3.2 正向云发生器 | 第27-28页 |
| 3.3 粒子群算法的改进策略 | 第28-33页 |
| 3.3.1 改进的基本思想 | 第28页 |
| 3.3.2 云自适应 | 第28-29页 |
| 3.3.3 粒子群算法的变异策略 | 第29-30页 |
| 3.3.4 云自适应混合变异粒子群算法 | 第30-33页 |
| 3.4 算法仿真与分析 | 第33-39页 |
| 3.4.1 测试函数的选取 | 第33-35页 |
| 3.4.2 实验结果比较 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于CAMMPSO算法的低维Otsu图像分割 | 第40-49页 |
| 4.1 一维Otsu阈值分割方法 | 第40-42页 |
| 4.2 二维Otsu阈值分割方法 | 第42-44页 |
| 4.3 基于CAMMPSO的Otsu类阈值分割算法 | 第44-48页 |
| 4.3.1 基于CAMMPSO的Otsu类阈值分割法流程 | 第44-45页 |
| 4.3.2 实验仿真与结论 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于CAMMPSO算法的三维Otsu图像分割 | 第49-63页 |
| 5.1 三维Otsu阈值分割方法 | 第49-54页 |
| 5.1.1 邻域加权中值灰度的定义 | 第49-51页 |
| 5.1.2 三维直方图的定义 | 第51-52页 |
| 5.1.3 相关均值的定义和计算 | 第52-53页 |
| 5.1.4 最佳阈值向量的选取 | 第53-54页 |
| 5.2 三维Otsu阈值分割方法的快速实现推理 | 第54-57页 |
| 5.2.1 三维Otsu法的计算复杂度 | 第54页 |
| 5.2.2 三维Otsu法快速实现的数学推理 | 第54-57页 |
| 5.3 基于 CAMMPSO 算法和三维 Otsu 的图像分割方法 | 第57-62页 |
| 5.3.1 基于 CAMMPSO 算法和三维 Otsu 的图像分割方法流程 | 第57-58页 |
| 5.3.2 实验结果及分析 | 第58-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 未来研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
