基于粒子群优化算法的最大熵多阈值图像分割研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本论文主要研究内容 | 第12-14页 |
| 2 最大熵算法的阈值分割 | 第14-21页 |
| 2.1 阈值分割概论 | 第14-16页 |
| 2.2 最大熵算法 | 第16-17页 |
| 2.3 基于最大熵的多阈值分割 | 第17-21页 |
| 3 基于改进粒子群算法的多阈值图像分割 | 第21-32页 |
| 3.1 粒子群算法的多阈值分割 | 第21-28页 |
| 3.1.1 粒子群算法基本思想 | 第21-22页 |
| 3.1.2 标准粒子群算法优化的数学描述 | 第22-23页 |
| 3.1.3 粒子群算法参数设置 | 第23-25页 |
| 3.1.4 标准粒子群算法优化流程 | 第25-27页 |
| 3.1.5 标准粒子群优化算法面临的问题 | 第27页 |
| 3.1.6 基于惯性权重的粒子群算法 | 第27-28页 |
| 3.2 改进的粒子群算法 | 第28-30页 |
| 3.2.1 相对基的学习原理 | 第28页 |
| 3.2.2 采用相对基初始化粒子群 | 第28-29页 |
| 3.2.3 引入扩张模型的粒子群算法 | 第29-30页 |
| 3.2.4 改进的粒子群算法的特点 | 第30页 |
| 3.3 基于改进的粒子群算法的多阈值分割 | 第30-32页 |
| 4 基于量子粒子群算法的多阈值图像分割 | 第32-42页 |
| 4.1 量子计算基础 | 第32-33页 |
| 4.2 量子粒子群的数学模型 | 第33-36页 |
| 4.3 量子粒子群算法的学习模式 | 第36-37页 |
| 4.4 算法流程 | 第37-38页 |
| 4.5 PSO算法和QPSO算法的比较 | 第38页 |
| 4.6 最大熵多阈值的选择 | 第38-39页 |
| 4.7 基于量子粒子群的最大熵的多阈值分割 | 第39-42页 |
| 5 实验结果与分析 | 第42-49页 |
| 5.1 基于改进粒子群算法的多阈值结果分析 | 第42-45页 |
| 5.2 基于量子粒子群算法的多阈值实验结果分析 | 第45-49页 |
| 6 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 个人简历、在校期间发表的学术论文与研究成果 | 第56页 |
