| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 课题研究现状 | 第11-14页 |
| 1.2.1 智能优化算法的研究现状 | 第11-12页 |
| 1.2.2 布谷鸟算法的研究现状 | 第12-14页 |
| 1.3 本文内容安排 | 第14-16页 |
| 第2章 布谷鸟算法与其他智能优化算法 | 第16-28页 |
| 2.1 遗传算法 | 第16-17页 |
| 2.2 粒子群算法 | 第17-18页 |
| 2.3 蚁群算法 | 第18-19页 |
| 2.4 人工鱼群算法 | 第19-20页 |
| 2.5 混合蛙跳算法 | 第20-23页 |
| 2.6 布谷鸟算法 | 第23-26页 |
| 2.6.1 布谷鸟算法的生物学背景 | 第23页 |
| 2.6.2 莱维飞行 | 第23-24页 |
| 2.6.3 布谷鸟算法的原理 | 第24-26页 |
| 2.7 布谷鸟算法与其他智能优化算法的比较 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第3章 基于遗传因子和基于混沌搜索改进的布谷鸟算法 | 第28-48页 |
| 3.1 测试函数 | 第28-32页 |
| 3.2 标准布谷鸟算法参数选择 | 第32-35页 |
| 3.3 基于遗传因子的布谷鸟算法 | 第35-39页 |
| 3.3.1 基于遗传因子的布谷鸟算法实现过程 | 第36-37页 |
| 3.3.2 仿真结果及分析 | 第37-39页 |
| 3.4 基于混沌搜索的布谷鸟算法 | 第39-44页 |
| 3.4.1 基于混沌搜索的布谷鸟算法实现过程 | 第40-42页 |
| 3.4.2 仿真结果及分析 | 第42-44页 |
| 3.5 两种改进的布谷鸟算法比较 | 第44-47页 |
| 3.5.1 在标准测试函数上的比较 | 第44-45页 |
| 3.5.2 在图像配准中的应用比较 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于遗传因子自适应布谷鸟算法 | 第48-55页 |
| 4.1 参数分析 | 第48-49页 |
| 4.2 参数改进 | 第49-50页 |
| 4.2.1 参数aP改进 | 第49-50页 |
| 4.2.2 参数a改进 | 第50页 |
| 4.3 基于遗传因子自适应布谷鸟算法用测试函数验证 | 第50-52页 |
| 4.4 基于遗传因子自适应布谷鸟算法在图像配准中的应用 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 改进布谷鸟算法在图像配准和融合中的参数优化 | 第55-65页 |
| 5.1 基于遗传因子自适应布谷鸟算法在图像配准中的应用 | 第55-60页 |
| 5.1.1 图像配准的步骤 | 第56页 |
| 5.1.2 基于遗传因子自适应布谷鸟算法初始参数的选择 | 第56-58页 |
| 5.1.3 不同智能算法参数优化后图像配准效果 | 第58-60页 |
| 5.2 基于遗传因子自适应布谷鸟算法在图像融合中的应用 | 第60-64页 |
| 5.2.1 融合中的权值系数和图像融合的评价指标 | 第61-62页 |
| 5.2.2 不同智能算法参数优化后图像融合效果 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65页 |
| 6.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
