基于仿生算法的柔性形态滤波器优化研究
| 第1章 绪论 | 第1-21页 |
| 1．1 引言 | 第11-12页 |
| 1．2 数学形态学的历史和发展 | 第12-13页 |
| 1．3 数学形态学的基本概念和运算 | 第13-19页 |
| 1．3．1 数学形态学定量分析原则 | 第14-15页 |
| 1．3．2 二值形态学 | 第15-18页 |
| 1．3．3 灰度形态学 | 第18-19页 |
| 1．4 本文的主要研究内容 | 第19-21页 |
| 第2章 柔性形态滤波器的基本理论 | 第21-31页 |
| 2．1 柔性形态算子 | 第21-25页 |
| 2．1．1 基本柔性形态算子 | 第21-23页 |
| 2．1．2 复合柔性形态算子 | 第23-25页 |
| 2．2 柔性形态滤波器的基本统计特性 | 第25-28页 |
| 2．3 柔性形态滤波器的性质 | 第28-30页 |
| 2．3．1 柔性形态滤波器的特殊性质 | 第29页 |
| 2．3．2 柔性形态滤波器的幂等性 | 第29-30页 |
| 2．4 本章小结 | 第30-31页 |
| 第3章 柔性形态滤波器神经网络实现及遗传算法优化 | 第31-47页 |
| 3．1 引言 | 第31-32页 |
| 3．2 神经网络 | 第32-34页 |
| 3．2．1 人工神经元 | 第32页 |
| 3．2．2 神经网络结构 | 第32-34页 |
| 3．3 模拟退火算法 | 第34-35页 |
| 3．3．1 模拟退火算法简介 | 第34页 |
| 3．3．2 模拟退火算法流程 | 第34-35页 |
| 3．4 遗传算法 | 第35-38页 |
| 3．4．1 遗传算法简介 | 第35-36页 |
| 3．4．2 基本遗传算法描述 | 第36-38页 |
| 3．5 柔性形态滤波的神经网络实现 | 第38-39页 |
| 3．6 优化滤波参数的改进的整体退火遗传算法 | 第39-44页 |
| 3．6．1 编码方法和适应度函数 | 第39-40页 |
| 3．6．2 交叉算子 | 第40-42页 |
| 3．6．3 变异算子 | 第42-43页 |
| 3．6．4 选择算子 | 第43-44页 |
| 3．6．5 收敛条件 | 第44页 |
| 3．7 仿真及结果分析 | 第44-46页 |
| 3．8 本章小结 | 第46-47页 |
| 第4章 基于禁忌搜索的柔性形态滤波器优化 | 第47-58页 |
| 4．1 引言 | 第47页 |
| 4．2 禁忌搜索算法 | 第47-51页 |
| 4．2．1 禁忌对象 | 第48-49页 |
| 4．2．2 禁忌长度和候选解 | 第49-50页 |
| 4．2．3 藐视准则 | 第50-51页 |
| 4．3 优化滤波参数的禁忌搜索算法 | 第51-54页 |
| 4．3．1 编码方法和适配值函数 | 第51页 |
| 4．3．2 邻域(候选)解w_nei的产生 | 第51-52页 |
| 4．3．3 邻域解群体规模L的确定 | 第52页 |
| 4．3．4 邻域搜索策略 | 第52页 |
| 4．3．5 禁忌表的定义和管理 | 第52-53页 |
| 4．3．6 终止条件 | 第53-54页 |
| 4．4 仿真及结果分析 | 第54-57页 |
| 4．5 本章小结 | 第57-58页 |
| 第5章 基于蚁群算法的柔性形态滤波器优化 | 第58-67页 |
| 5．1 引言 | 第58页 |
| 5．2 蚁群算法简介 | 第58-60页 |
| 5．3 基于蚁群算法的柔性形态滤波器优化 | 第60-65页 |
| 5．3．1 编码方法与信息量度量 | 第60-61页 |
| 5．3．2 蚁群规模的选择 | 第61-62页 |
| 5．3．3 信息素挥发度的选择 | 第62-63页 |
| 5．3．4 启发因子的选择 | 第63-65页 |
| 5．3．5 总信息量的选择 | 第65页 |
| 5．4 仿真及结果分析 | 第65-66页 |
| 5．5 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间所发表的论文和取得的科技成果 | 第73-74页 |
| 致谢 | 第74页 |
