基于免疫遗传算法的图像分割方法
| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 目录 | 第13-15页 |
| 第一章 绪论 | 第15-27页 |
| ·研究目的和意义 | 第15-17页 |
| ·国内外研究现状 | 第17-25页 |
| ·图像分割的研究现状 | 第17-21页 |
| ·遗传算法的研究现状 | 第21-24页 |
| ·基于遗传算法的图像分割的优势 | 第24-25页 |
| ·本文的主要研究工作 | 第25-27页 |
| 第二章 图像分割方法 | 第27-38页 |
| ·并行图像区域分割 | 第27-35页 |
| ·阈值化方法介绍 | 第27-28页 |
| ·阈值化算法分类 | 第28-29页 |
| ·特征空间聚类 | 第29-30页 |
| ·经典的空间聚类方法 | 第30-35页 |
| ·串行图像区域分割 | 第35-38页 |
| ·区域生长 | 第36-37页 |
| ·生长准则和过程 | 第37-38页 |
| 第三章 免疫遗传算法的基础理论 | 第38-50页 |
| ·遗传算法的基本理论 | 第38-42页 |
| ·标准遗传算法的基本概念 | 第38-39页 |
| ·遗传算法的基本原理 | 第39-40页 |
| ·遗传算法的特点 | 第40-42页 |
| ·免疫遗传算法 | 第42-50页 |
| ·免疫遗传算子及相关概念 | 第43-45页 |
| ·免疫遗传分割算法的基本思路 | 第45-50页 |
| 第四章 基于免疫遗传的图像分割算法的设计与实现 | 第50-72页 |
| ·预处理 | 第51-54页 |
| ·噪声消除 | 第51-53页 |
| ·灰度均衡变换 | 第53-54页 |
| ·基于最大信息熵理论的图像阈值分割算法的设计 | 第54-56页 |
| ·连通区域标记 | 第56-58页 |
| ·后处理 | 第58-59页 |
| ·基于最大信息熵理论的图像阈值分割算法的实现 | 第59-72页 |
| ·实验条件和程序实现 | 第59-61页 |
| ·基于最大信息熵理论的图像阈值分割结果及分析 | 第61-68页 |
| ·免疫规划算法和经典遗传算法的性能比较 | 第68-72页 |
| 第五章 结论和展望 | 第72-73页 |
| ·结论 | 第72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 成果 | 第77-78页 |
| 致谢 | 第78-79页 |
