首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

蜂群算法及在图像处理中的应用研究

摘要第1-7页
Abstract第7-12页
第一章 绪论第12-22页
   ·课题的研究意义第12页
   ·课题研究背景第12-17页
     ·优化问题第12-13页
     ·局部优化算法第13-14页
     ·全局优化算法第14页
     ·已有的仿生优化算法第14-17页
   ·蜂群算法的研究现状第17-19页
   ·本文的主要研究内容第19-20页
   ·论文的组织第20-22页
第二章 基本蜂群算法第22-37页
   ·引言第22-23页
   ·蜂群算法研究进展第23-24页
   ·自然界中的蜂群第24-25页
     ·蜂群社会结构特征第24页
     ·蜂群的行为特征第24-25页
   ·蜂群觅食过程分析第25-27页
   ·蜂群算法基本模型第27-31页
   ·多峰高维函数蜂群优化的实现第31-37页
     ·多峰高维函数蜂群优化步骤第31-32页
     ·实验结果与分析第32-37页
第三章 蜂群算法的性能分析和算法改进第37-50页
   ·引言第37页
   ·蜂群算法的数学基础第37-41页
     ·Markov 链概述第37-38页
     ·蜂群算法的数学定义第38-39页
     ·蜂群算法的Markov 链模型第39-41页
   ·基本蜂群算法的收敛性分析第41-43页
     ·随机算法收敛的标准第41-42页
     ·基本蜂群算法收敛性分析第42-43页
   ·改进的蜂群算法第43-49页
     ·算法改进第43-45页
     ·实验结果第45-49页
   ·结论第49-50页
第四章 蜂群算法在图像分割中的应用研究第50-75页
   ·引言第50-51页
   ·图像分割研究现状第51-52页
   ·模糊熵第52-56页
     ·模糊熵的定义第52-53页
     ·模糊隶属度函数第53-54页
     ·图像最小化模糊熵第54-56页
   ·基于蜂群算法的单阈值图像分割第56-63页
     ·蜂群优化算法及图像分割第56-58页
     ·实验结果与分析第58-63页
     ·结论第63页
   ·基于峰值信噪比的蜂群优化多阈值图像分割第63-75页
     ·峰值信噪比第64页
     ·基于PSNR 的蜂群优化阈值(PABCT) 算法第64-66页
     ·实验结果与分析第66-74页
     ·结论第74-75页
第五章 蜂群算法在聚类中的应用研究第75-93页
   ·聚类分析的现状第75-77页
   ·聚类的基本数学模型第77-78页
   ·蜂群算法改进及应用于聚类第78-81页
     ·改进的蜂群优化聚类算法第78-79页
     ·实验结果与分析第79-80页
     ·结论第80-81页
   ·基于蜂群聚类的彩色图像分割第81-86页
     ·颜色特征第81-82页
     ·基于蜂群算法的彩色图像聚类第82-83页
     ·实验结果与分析第83-86页
     ·结论第86页
   ·基于蜂群和快速模糊C 均值的图像聚类第86-93页
     ·快速FCM第86-87页
     ·基于人工蜂群算法的快速模糊C-均值聚类第87-89页
     ·实验结果第89页
     ·结论第89-93页
第六章 蜂群算法在图像去噪中的应用研究第93-102页
   ·引言第93页
   ·图像中脉冲噪声的模型第93-94页
   ·图像脉冲噪声消除的现状第94-95页
   ·蜂群算法应用于去除图像脉冲噪声第95-97页
   ·实验结果与分析第97-100页
   ·结论第100-102页
第七章 基于蜜蜂算法的图像边缘检测第102-112页
   ·引言第102页
   ·典型的边缘检测算法第102-105页
   ·基于蜂群算法的图像边缘检测第105-107页
     ·算法分析第105页
     ·收益度函数第105-107页
   ·实验结果与分析第107-111页
   ·结论第111-112页
总结和展望第112-114页
参考文献第114-124页
攻读博士学位期间取得的研究成果第124-127页
致谢第127-128页
附件第128页

论文共128页,点击 下载论文
上一篇:单目视频中的光流场估计技术研究
下一篇:图像内容被动取证技术的研究