| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-27页 |
| ·数字图像处理 | 第9-12页 |
| ·仿生优化算法研究概况 | 第12-19页 |
| ·人工神经网络的研究情况 | 第12-14页 |
| ·遗传算法的研究情况 | 第14-17页 |
| ·蚁群算法的研究情况 | 第17-19页 |
| ·仿生优化算法在数字图像处理中应用的可行性和意义 | 第19-25页 |
| ·论文的的主要工作和安排 | 第25-27页 |
| 第2章 仿生优化算法的研究 | 第27-56页 |
| ·人工神经网络 | 第27-32页 |
| ·人工神经网络的结构 | 第27-29页 |
| ·几种典型的神经网络 | 第29-32页 |
| ·遗传算法 | 第32-38页 |
| ·基本遗传算法描述 | 第32页 |
| ·遗传算法的基本实现技术 | 第32-38页 |
| ·蚁群算法 | 第38-55页 |
| ·蚂蚁的群体行为 | 第38-40页 |
| ·基本蚁群算法的机制原理 | 第40-41页 |
| ·基本蚁群算法的实现 | 第41-45页 |
| ·蚁群算法的改进 | 第45-55页 |
| ·本章小结 | 第55-56页 |
| 第3章 基于神经网络的图像复原和图像识别方法研究 | 第56-78页 |
| ·基于神经网络的图像复原处理方法 | 第56-63页 |
| ·用于图像超分辨率复原的神经网络 | 第56-61页 |
| ·基于神经网络的图像复原方法 | 第61-62页 |
| ·实验结果 | 第62-63页 |
| ·基于自组织神经网络的图像复原处理方法 | 第63-68页 |
| ·基于自组织神经网络的图像复原处理算法 | 第63-66页 |
| ·实验结果 | 第66-68页 |
| ·基于 Hopfield 神经网络的图像目标识别处理方法 | 第68-77页 |
| ·基于 Hopfield 神经网络的图像目标识别方法 | 第68-72页 |
| ·主要实验过程分析 | 第72-75页 |
| ·实验结果分析 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第4章 基于遗传算法的图像复原和图像分割方法研究 | 第78-97页 |
| ·基于遗传算法的图像复原处理方法 | 第78-84页 |
| ·图像的退化模型 | 第78-79页 |
| ·基于遗传算法的图像复原处理方法 | 第79-84页 |
| ·基于遗传算法的图像分割处理方法 | 第84-96页 |
| ·基于基本遗传算法的图像分割处理方法 | 第84-85页 |
| ·基于二维阈值曲面的遗传算法图像分割处理方法 | 第85-87页 |
| ·基于模糊隶属度曲面的遗传算法图像分割处理方法 | 第87-90页 |
| ·实验结果及分析 | 第90-96页 |
| ·本章小结 | 第96-97页 |
| 第5章 基于蚁群算法的图像分割与图像编码方法研究 | 第97-105页 |
| ·基于蚁群算法的图像分割处理方法 | 第97-101页 |
| ·基于蚁群算法的图像分割方法的原理 | 第97-100页 |
| ·基于蚁群算法的图像分割步骤 | 第100-101页 |
| ·实验结果及分析 | 第101页 |
| ·基于蚁群算法模极大值的图像编码方法 | 第101-104页 |
| ·蚁群算法模极大值处理的方法 | 第101-103页 |
| ·实验结果与分析 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第6章 总结与展望 | 第105-108页 |
| ·全文总结 | 第105-106页 |
| ·展望 | 第106-108页 |
| 参考文献 | 第108-117页 |
| 致谢 | 第117-118页 |
| 攻读博士学位期间发表论文和科研情况 | 第118页 |