| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 仿生优化算法 | 第12页 |
| 1.3 国内外研究现状 | 第12-17页 |
| 1.4 仿生算法在图像处理中的应用 | 第17-18页 |
| 1.5 本文的组织结构及创新点 | 第18-20页 |
| 第二章 细菌觅食优化算法 | 第20-27页 |
| 2.1 引言 | 第20页 |
| 2.2 传统细菌觅食算法概述 | 第20-23页 |
| 2.2.1 趋化算子 | 第21-22页 |
| 2.2.2 繁殖算子 | 第22页 |
| 2.2.3 迁徙算子 | 第22-23页 |
| 2.3 BFO算法基本步骤与流程图 | 第23-24页 |
| 2.4 BFO算法参数选取 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于改进细菌觅食算法的图像分割 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 图像分割的概述 | 第27-28页 |
| 3.2.1 图像分割的概念 | 第28页 |
| 3.2.2 常用的分割方法 | 第28页 |
| 3.3 改进的细菌觅食优化算法 | 第28-30页 |
| 3.4 基于IBFO算法的图像分割 | 第30-31页 |
| 3.4.1 基于IBFO算法图像分割的主要思想 | 第30页 |
| 3.4.2 图像特征提取 | 第30页 |
| 3.4.3 基于IBFO算法的图像分割的具体步骤 | 第30-31页 |
| 3.5 实验结果和分析 | 第31-36页 |
| 3.5.1 各种算法的参数设置 | 第31页 |
| 3.5.2 全局搜寻评价 | 第31-33页 |
| 3.5.3 图像分割的性能分析 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于改进细菌觅食算法的图像分类 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 图像分类概述 | 第37-38页 |
| 4.2.1 图像分类的概念 | 第37-38页 |
| 4.2.2 常用的图像分类方法 | 第38页 |
| 4.3 改进的细菌觅食算法 | 第38-40页 |
| 4.3.1 细菌觅食算法趋化行为的改进思想 | 第38-39页 |
| 4.3.2 细菌觅食算法迁徙行为的改进思想 | 第39页 |
| 4.3.3 SIBFO算法的基本流程 | 第39-40页 |
| 4.4 基于SIBFO算法的目标图像分类 | 第40-42页 |
| 4.4.1 目标图像的特征提取 | 第41页 |
| 4.4.2 目标图像分类的主要思想 | 第41页 |
| 4.4.3 基于SIBFO算法目标图像分类的具体实现步骤 | 第41-42页 |
| 4.5 实验结果和分析 | 第42-47页 |
| 4.5.1 改进细菌觅食算法的参数设置 | 第42页 |
| 4.5.2 基于SIBFO的目标图像分类结果 | 第42-43页 |
| 4.5.3 改进细菌觅食算法的性能分析 | 第43-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 基于改进细菌觅食算法的人脸识别 | 第49-64页 |
| 5.1 引言 | 第49-50页 |
| 5.2 人脸识别概述 | 第50页 |
| 5.3 支持向量机 | 第50-54页 |
| 5.3.1 支持向量机基本原理 | 第51-52页 |
| 5.3.2 各种参数对SVM性能的影响 | 第52页 |
| 5.3.3 SVM参数优化方法 | 第52页 |
| 5.3.4 基于SIBFO的SVM参数优化 | 第52-54页 |
| 5.4 人脸图像的特征提取 | 第54-56页 |
| 5.4.1 LBP局部特征提取 | 第54-55页 |
| 5.4.2 LBP的改进 | 第55-56页 |
| 5.5 基于SIBFO参数优化的SVM人脸识别 | 第56-57页 |
| 5.6 实验结果与分析 | 第57-63页 |
| 5.6.1 设置参数 | 第57-58页 |
| 5.6.2 全局搜索能力对比 | 第58-59页 |
| 5.6.3 预测精度与误差分析 | 第59-62页 |
| 5.6.4 实验结果分析 | 第62-63页 |
| 5.7 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-67页 |
| 6.1 论文总结 | 第64-65页 |
| 6.2 对未来研究工作的展望 | 第65-67页 |
| 参考文献 | 第67-75页 |
| 攻读硕士学位期间学术成果及奖励 | 第75-76页 |
| 致谢 | 第76页 |