蚁群算法在铁谱图像处理中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-19页 |
| ·引言 | 第13页 |
| ·铁谱分析技术 | 第13-15页 |
| ·铁谱分析技术原理与应用 | 第13-14页 |
| ·铁谱技术的发展 | 第14页 |
| ·铁谱图像处理与分析技术 | 第14-15页 |
| ·铁谱图像处理的发展与研究现状 | 第15-16页 |
| ·铁谱图像处理与分析技术的缺点和存在的问题 | 第16-17页 |
| ·本文的研究内容和主要路线 | 第17-18页 |
| ·本文的组织结构与内容安排 | 第18-19页 |
| 第二章 铁谱图像处理技术简介 | 第19-34页 |
| ·铁谱图像的获取及数字化 | 第19页 |
| ·颜色空间 | 第19-23页 |
| ·RGB 空间 | 第20页 |
| ·HSI 空间 | 第20-21页 |
| ·CIEL*a*b*空间 | 第21-23页 |
| ·数学形态学方法介绍 | 第23-27页 |
| ·二值图像与逻辑运算 | 第23页 |
| ·腐蚀、膨胀及形态学梯度 | 第23-25页 |
| ·开闭运算与开闭重建 | 第25-26页 |
| ·击中-击不中变换与图像细化 | 第26-27页 |
| ·图像预处理方法 | 第27-29页 |
| ·数字图像尺寸缩放 | 第27-28页 |
| ·铁谱图像去噪处理 | 第28-29页 |
| ·图像分割方法简介 | 第29-33页 |
| ·图像边缘检测法 | 第29-30页 |
| ·基于阈值的图像分割 | 第30-31页 |
| ·基于区域的图像分割 | 第31-32页 |
| ·基于聚类的图像分割 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于改进分水岭算法的磨粒分割 | 第34-43页 |
| ·分水岭算法介绍 | 第34-37页 |
| ·分水岭算法的数学模型 | 第35-36页 |
| ·分水岭算法的实现 | 第36-37页 |
| ·分水岭算法的缺点与改进 | 第37页 |
| ·基于改进分水岭算法的磨粒沉积链分割 | 第37-42页 |
| ·彩色梯度图像 | 第38-39页 |
| ·标记分水岭分割 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 融合分水岭算法和蚁群算法的铁谱图像分割 | 第43-56页 |
| ·蚁群算法 | 第43-45页 |
| ·蚁群算法的提出与发展 | 第43-44页 |
| ·基本蚁群算法 | 第44-45页 |
| ·蚁群聚类算法 | 第45-46页 |
| ·基于蚁群觅食行为的聚类 | 第45页 |
| ·基于蚁群堆形成原理的聚类 | 第45-46页 |
| ·CWACA 铁谱图像分割 | 第46-51页 |
| ·改进蚁群聚类算法 | 第47-48页 |
| ·CWACA 算法步骤与流程 | 第48-50页 |
| ·CWACA 铁谱图像分割实例 | 第50-51页 |
| ·实验结果与对比 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 改进蚁群算法在磨粒边缘检测中的应用 | 第56-66页 |
| ·蚁群算法边缘检测原理 | 第56页 |
| ·改进蚁群算法磨粒边缘检测 | 第56-59页 |
| ·磨粒图像预处理 | 第56-57页 |
| ·改进蚁群算法边缘检测 | 第57-59页 |
| ·本节算法流程图 | 第59页 |
| ·实验结果与分析 | 第59-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·本课题的主要研究工作 | 第66-67页 |
| ·对本课题研究的展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
