| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 引言 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 数字图像处理简介 | 第12-15页 |
| 1.3 进化计算在图像处理中的应用研究现状 | 第15-18页 |
| 1.3.1 进化计算在图像增强中的研究现状 | 第15-16页 |
| 1.3.2 进化计算在图像分割中的研究现状 | 第16-17页 |
| 1.3.3 进化计算在纹理分析中的研究现状 | 第17页 |
| 1.3.4 进化计算在图像分类中的研究现状 | 第17-18页 |
| 1.4 论文主要研究内容及结构安排 | 第18-20页 |
| 1.4.1 论文主要研究内容 | 第18-19页 |
| 1.4.2 论文结构安排 | 第19-20页 |
| 第2章 改进杜鹃搜索算法概述 | 第20-25页 |
| 2.1 杜鹃搜索算法基本原理 | 第20-22页 |
| 2.2 粒子群算法基本原理 | 第22-23页 |
| 2.3 改进杜鹃搜索算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于ICS算法的图像自适应增强方法 | 第25-32页 |
| 3.1 常用图像增强方法概述 | 第25-26页 |
| 3.2 基于ICS算法的非完全Beta函数图像增强方法 | 第26-31页 |
| 3.2.1 非完全Beta函数图像增强方法 | 第26-27页 |
| 3.2.2 基于ICS算法的非完全Beta函数图像增强方法 | 第27-29页 |
| 3.2.3 实验仿真与分析 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 基于ICS算法的图像阈值分割方法 | 第32-60页 |
| 4.1 常用图像分割方法概述 | 第32-33页 |
| 4.2 常用的二维阈值分割法 | 第33-37页 |
| 4.2.1 二维Fisher准则阈值法 | 第34-35页 |
| 4.2.2 二维最大Kapur熵法 | 第35-36页 |
| 4.2.3 二维最小交叉熵法 | 第36-37页 |
| 4.3 基于ICS算法的二维阈值分割法 | 第37-45页 |
| 4.3.1 基于ICS算法的二维Fisher准则阈值分割法 | 第38-41页 |
| 4.3.2 基于ICS算法的二维最大Kapur熵分割法 | 第41-43页 |
| 4.3.3 基于ICS算法的二维最小交叉熵分割法 | 第43-45页 |
| 4.4 基于ICS算法和最大模糊熵的单阈值分割法 | 第45-51页 |
| 4.4.1 最大模糊熵单阈值分割法 | 第45-47页 |
| 4.4.2 基于ICS算法的最大模糊熵单阈值分割法 | 第47-48页 |
| 4.4.3 实验仿真与分析 | 第48-51页 |
| 4.5 基于ICS算法和最大模糊熵的多阈值分割法 | 第51-59页 |
| 4.5.1 最大模糊熵多阈值分割法 | 第51-54页 |
| 4.5.2 基于ICS算法的最大模糊熵多阈值分割法 | 第54-55页 |
| 4.5.3 实验仿真与分析 | 第55-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 基于ICS算法的纹理特征描述方法 | 第60-68页 |
| 5.1 常用纹理特征概述 | 第60-61页 |
| 5.2 基于ICS算法的“Tuned”模板纹理特征描述 | 第61-67页 |
| 5.2.1 “Tuned”模板纹理特征 | 第61-62页 |
| 5.2.2 基于ICS算法的“Tuned”模板纹理特征描述 | 第62-64页 |
| 5.2.3 实验仿真与分析 | 第64-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第6章 基于ICS算法的图像分类方法 | 第68-86页 |
| 6.1 常用图像分类算法概述 | 第68-70页 |
| 6.2 支持向量机分类器 | 第70-73页 |
| 6.2.1 支持向量机概述 | 第70-71页 |
| 6.2.2 支持向量机理论基础 | 第71-73页 |
| 6.3 基于ICS算法和支持向量机的遥感图像特征选择方法 | 第73-79页 |
| 6.3.1 特征选择概述 | 第73-74页 |
| 6.3.2 基于ICS算法的遥感图像特征选择 | 第74-75页 |
| 6.3.3 实验仿真与分析 | 第75-79页 |
| 6.4 基于ICS算法和支持向量机的遥感图像分类方法 | 第79-85页 |
| 6.4.1 支持向量机参数优化概述 | 第79页 |
| 6.4.2 基于ICS算法的SVM参数优化过程 | 第79-80页 |
| 6.4.3 实验仿真与分析 | 第80-85页 |
| 6.5 本章小结 | 第85-86页 |
| 第7章 总结和展望 | 第86-89页 |
| 7.1 总结 | 第86-87页 |
| 7.2 展望 | 第87-89页 |
| 参考文献 | 第89-96页 |
| 致谢 | 第96-97页 |
| 附录 | 第97-98页 |
