分子动理论优化算法及其在图像分割中的应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第16-33页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 最优化问题 | 第17-18页 |
| 1.3 进化算法 | 第18-21页 |
| 1.3.1 遗传算法 | 第18-19页 |
| 1.3.2 进化策略 | 第19-20页 |
| 1.3.3 进化规划 | 第20-21页 |
| 1.4 群智能优化算法 | 第21-26页 |
| 1.4.1 蚁群算法 | 第21-23页 |
| 1.4.2 微粒群算法 | 第23-24页 |
| 1.4.3 人工蜂群算法 | 第24-26页 |
| 1.5 仿物理规律优化算法 | 第26-30页 |
| 1.5.1 中心力算法 | 第26-28页 |
| 1.5.2 万有引力算法 | 第28-29页 |
| 1.5.3 类电磁机制算法 | 第29-30页 |
| 1.6 主要工作与组织结构 | 第30-33页 |
| 1.6.1 本文主要工作 | 第30-32页 |
| 1.6.2 论文结构安排 | 第32-33页 |
| 第2章 基于分子动理论的优化算法设计 | 第33-49页 |
| 2.1 引言 | 第33-34页 |
| 2.2 分子动理论基本知识 | 第34-35页 |
| 2.2.1 物体由分子组成 | 第34页 |
| 2.2.2 分子热运动 | 第34-35页 |
| 2.2.3 分子间作用力 | 第35页 |
| 2.3 相关算法研究现状 | 第35-38页 |
| 2.3.1 拟态物理学优化算法 | 第36页 |
| 2.3.2 基于分子动理论的微粒群算法 | 第36-37页 |
| 2.3.3 APO及MPSO的不足 | 第37-38页 |
| 2.4 分子动理优化算法 | 第38-41页 |
| 2.4.1 算法假设 | 第38-39页 |
| 2.4.2 算法模型 | 第39-40页 |
| 2.4.3 算法流程 | 第40-41页 |
| 2.5 算法收敛性分析 | 第41-42页 |
| 2.6 实验结果与讨论 | 第42-48页 |
| 2.6.1 测试函数 | 第42-44页 |
| 2.6.2 参数讨论实验 | 第44-45页 |
| 2.6.3 吸引排斥优化算法性能比较 | 第45-46页 |
| 2.6.4 与其它优化算法的性能比较 | 第46-47页 |
| 2.6.5 算法多样性分析 | 第47-48页 |
| 2.7 本章小结 | 第48-49页 |
| 第3章 M精英协同分子动理论优化算法 | 第49-62页 |
| 3.1 引言 | 第49-50页 |
| 3.2 协同进化算法 | 第50-52页 |
| 3.2.1 协同进化算法研究现状 | 第50-51页 |
| 3.2.2 协同进化算法主要思想 | 第51-52页 |
| 3.3 改进的分子动理论优化算法 | 第52-56页 |
| 3.3.1 分子动理论优化算法的不足 | 第52-53页 |
| 3.3.2 改进算法设计 | 第53-55页 |
| 3.3.2.1 基于能力的团队构建算子 | 第53-54页 |
| 3.3.2.2 基于学习机制的精英协作算子 | 第54页 |
| 3.3.2.3 防按维早熟的波动算子 | 第54-55页 |
| 3.3.2.4 基于分子动理论的引导算子 | 第55页 |
| 3.3.3 MEKMTOA的算法流程 | 第55-56页 |
| 3.4 测试实验及分析 | 第56-61页 |
| 3.4.1 M及相关算子合理性分析 | 第56-58页 |
| 3.4.1.1 M对算法性能的影响 | 第57-58页 |
| 3.4.1.2 相关算子分析 | 第58页 |
| 3.4.2 改进前后算法性能比较 | 第58页 |
| 3.4.3 与MECA和OEA的性能比较 | 第58-60页 |
| 3.4.4 高维及超高维函数测试实验 | 第60-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第4章 基于分子动理论优化算法的多阈值分割 | 第62-78页 |
| 4.1 引言 | 第62-63页 |
| 4.2 图像分割研究现状 | 第63-65页 |
| 4.2.1 边缘检测法 | 第63-64页 |
| 4.2.2 区域分割法 | 第64页 |
| 4.2.3 阈值法 | 第64-65页 |
| 4.3 基于KMTOA的多阈值实现 | 第65-70页 |
| 4.3.1 两种经典的阈值分割法 | 第65-66页 |
| 4.3.1.1 Otsu法 | 第65-66页 |
| 4.3.1.2 最大熵法 | 第66页 |
| 4.3.2 算法实现过程 | 第66-70页 |
| 4.4 测试实验与分析 | 第70-76页 |
| 4.4.1 分割结果 | 第73页 |
| 4.4.2 稳定性分析 | 第73-74页 |
| 4.4.3 算法效率测试 | 第74-75页 |
| 4.4.4 高维阈值分割 | 第75-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第5章 分子动理论优化算法在回转窑火焰分割中应用 | 第78-91页 |
| 5.1 引言 | 第78-79页 |
| 5.2 回转窑火焰图像处理 | 第79-81页 |
| 5.2.1 氧化铝生产工艺简介 | 第79-80页 |
| 5.2.2 火焰图像采集 | 第80-81页 |
| 5.2.3 火焰图像分析 | 第81页 |
| 5.3 传统的斜分Otsu法 | 第81-83页 |
| 5.4 改进的斜分多阈值Otsu法 | 第83-86页 |
| 5.4.1 改进的斜分Otsu法 | 第83-85页 |
| 5.4.1.1 简化的距离测度函数 | 第83-85页 |
| 5.4.1.2 基于后处理的图像分割方式 | 第85页 |
| 5.4.2 改进多阈值分割法的KMTOA实现 | 第85-86页 |
| 5.5 实验结果与讨论 | 第86-90页 |
| 5.5.1 单阈值比较实验 | 第87页 |
| 5.5.2 多阈值比较实验 | 第87-88页 |
| 5.5.3 分割效果评价 | 第88-90页 |
| 5.6 本章小结 | 第90-91页 |
| 第6章 M精英协同分子动理论算法在脑分割中的应用 | 第91-109页 |
| 6.1 引言 | 第91-92页 |
| 6.2 MRI相关知识 | 第92-94页 |
| 6.2.1 MRI简介 | 第92-93页 |
| 6.2.2 MR脑图像分割的意义 | 第93-94页 |
| 6.3 三维Otsu法 | 第94-95页 |
| 6.4 改进三维Otsu法 | 第95-97页 |
| 6.4.1 基于截面投影的Otsu法 | 第95-96页 |
| 6.4.2 基于阈值的后处理策略 | 第96-97页 |
| 6.5 截面投影Otsu法性能测试 | 第97-102页 |
| 6.5.1 阈值Q的取值分析 | 第98-99页 |
| 6.5.2 各三维Otsu法的分割效果比较 | 第99-100页 |
| 6.5.3 分割性能的量化比较 | 第100-102页 |
| 6.6 基于MEKMTOA的脑图像分割 | 第102-108页 |
| 6.6.1 截面投影Otsu法的多阈值扩展 | 第102-103页 |
| 6.6.2 MR脑图像分割实验 | 第103-108页 |
| 6.6.2.1 无噪声图像分割 | 第104-106页 |
| 6.6.2.2 噪声图像分割 | 第106-108页 |
| 6.7 本章小结 | 第108-109页 |
| 结论 | 第109-112页 |
| 参考文献 | 第112-125页 |
| 致谢 | 第125-126页 |
| 附录A 攻读博士学位期间已发表与待发表的论文 | 第126-127页 |
| 附录B 攻读学位期间参与的科研项目 | 第127页 |
