自适应粒子群优化算法及其在图像分割中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·粒子群优化算法概述 | 第8-9页 |
| ·图像分割概述 | 第9-12页 |
| ·基于区域的分割 | 第10-11页 |
| ·基于边界的分割 | 第11-12页 |
| ·区域与边界相结合的方法 | 第12页 |
| ·其它的图像分割方法 | 第12页 |
| ·选题的科学依据和意义 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 全局优化算法 | 第14-22页 |
| ·全局优化问题 | 第14页 |
| ·遗传算法 | 第14-16页 |
| ·模拟退火算法 | 第16-18页 |
| ·禁忌搜索算法 | 第18-19页 |
| ·粒子群优化算法 | 第19-22页 |
| ·标准的粒子群优化算法 | 第19-21页 |
| ·带有收缩因子的粒子群优化算法 | 第21-22页 |
| 3 自适应粒子群优化算法(APSO) | 第22-33页 |
| ·算法分析 | 第22-23页 |
| ·APSO算法流程 | 第23页 |
| ·数值实验与分析 | 第23-33页 |
| ·实验设置 | 第23-26页 |
| ·实验结果 | 第26-32页 |
| ·算法评价 | 第32-33页 |
| 4 APSO算法在基于阈值的图像分割中的应用 | 第33-46页 |
| ·基于阈值法的图像分割方法 | 第33-41页 |
| ·基于灰度直方图的阈值分割方法 | 第35-36页 |
| ·最大类间方差法 | 第36-37页 |
| ·最小误差法 | 第37-38页 |
| ·基于信息熵的分割方法 | 第38-41页 |
| ·APSO算法在图像分割中的应用 | 第41-46页 |
| ·基于 APSO算法和信息熵的多阈值图像分割 | 第41-42页 |
| ·实验设置 | 第42-43页 |
| ·实验结果与分析 | 第43-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52-53页 |
| 大连理工大学学位论文版权使用授权书 | 第53页 |
