改进的二维阈值图像分割方法
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 图像分割的研究现状 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 论文的结构安排 | 第13-14页 |
| 第2章 图像分割基本理论 | 第14-23页 |
| 2.1 图像分割的原理 | 第14页 |
| 2.2 基于边缘检测的图像分割算法 | 第14-16页 |
| 2.3 基于区域的图像分割方法 | 第16页 |
| 2.4 基于聚类的图像分割方法 | 第16-17页 |
| 2.5 阈值图像分割方法 | 第17-20页 |
| 2.5.1 最大熵阈值分割法 | 第18-19页 |
| 2.5.2 最小误差阈值分割法 | 第19-20页 |
| 2.5.3 最大类间方差法 | 第20页 |
| 2.6 图像分割的质量评价 | 第20-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第3章 基于直方图的阈值分割 | 第23-33页 |
| 3.1 OTSU阈值分割算法 | 第23页 |
| 3.2 灰度-平均灰度二维直方图 | 第23-24页 |
| 3.3 平均灰度-梯度二维直方图 | 第24-25页 |
| 3.4 二维直方图斜分法 | 第25页 |
| 3.5 灰度-局部方差二维直方图及其快速递推算法 | 第25-28页 |
| 3.5.1 灰度-局部方差二维直方图 | 第25-26页 |
| 3.5.2 快速递推算法 | 第26-28页 |
| 3.6 实验结果及分析 | 第28-32页 |
| 3.7 本章小节 | 第32-33页 |
| 第4章 群智能算法图像分割 | 第33-45页 |
| 4.1 群智能算法概述 | 第33-36页 |
| 4.1.1 蚁群算法 | 第33-34页 |
| 4.1.2 人工鱼群算法 | 第34-35页 |
| 4.1.3 混合蛙跳算法 | 第35-36页 |
| 4.1.4 粒子群算法 | 第36页 |
| 4.2 粒子系统和粒子群算法 | 第36-40页 |
| 4.2.1 基本粒子群算法 | 第36-38页 |
| 4.2.2 改进的粒子群算法 | 第38-39页 |
| 4.2.3 中值粒子群算法 | 第39-40页 |
| 4.3 中值粒子群二维OTSU算法 | 第40页 |
| 4.4 实验结果及分析 | 第40-44页 |
| 4.5 本章小节 | 第44-45页 |
| 第5章 总结与期望 | 第45-47页 |
| 5.1 工作总结 | 第45页 |
| 5.2 研究展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 附录A 个人简历 | 第52-53页 |
| 附录B 在学期间发表的学术论文与研究成果 | 第53-54页 |
| 附录C 论文中的用图 | 第54-55页 |
| 附录D 论文中的用表 | 第55页 |
