| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 最优化问题概述 | 第9-11页 |
| 1.3 量子粒子群优化算法的研究现状 | 第11-13页 |
| 1.3.1 量子粒子群优化算法的研究方向 | 第11-12页 |
| 1.3.2 量子粒子群优化算法的应用现状 | 第12-13页 |
| 1.4 图像分割概述 | 第13-14页 |
| 1.5 本文主要组织结构 | 第14-15页 |
| 第二章 粒子群优化算法 | 第15-21页 |
| 2.1 粒子群优化算法的基本原理 | 第15-17页 |
| 2.2 粒子群优化算法的步骤 | 第17页 |
| 2.3 粒子群优化算法的发展 | 第17-19页 |
| 2.3.1 带惯性权重的PSO算法 | 第17-18页 |
| 2.3.2 带压缩因子的PSO算法 | 第18-19页 |
| 2.3.3 理解学习的PSO算法 | 第19页 |
| 2.4 粒子群优化算法的特点分析 | 第19-21页 |
| 第三章 量子粒子群优化算法 | 第21-27页 |
| 3.1 量子粒子群优化算法的基本原理 | 第21-23页 |
| 3.2 量子粒子群优化算法的步骤和流程 | 第23-25页 |
| 3.2.1 QPSO算法的步骤 | 第23-24页 |
| 3.2.2 QPSO算法的流程 | 第24-25页 |
| 3.3 量子粒子群优化算法参数设置 | 第25-26页 |
| 3.4 量子粒子群优化算法的优缺点分析 | 第26-27页 |
| 第四章 改进的量子粒子群优化算法 | 第27-37页 |
| 4.1 避免早熟--新的吸引点和势阱长度计算方法 | 第27-29页 |
| 4.2 加速收敛--交叉算子 | 第29-30页 |
| 4.3 IQPSO算法的伪代码描述 | 第30-31页 |
| 4.4 数值模拟 | 第31-37页 |
| 4.4.1 测试函数 | 第31-34页 |
| 4.4.2 实验设置 | 第34页 |
| 4.4.3 实验结果与分析 | 第34-37页 |
| 第五章 IQPSO算法在多阈值图像分割中的应用 | 第37-46页 |
| 5.1 图像分割的定义 | 第37页 |
| 5.2 图像分割算法的评价 | 第37-38页 |
| 5.3 基于阈值法的图像分割方法 | 第38-39页 |
| 5.3.1 阈值分割原理 | 第38-39页 |
| 5.3.2 阈值分割方法 | 第39页 |
| 5.4 IQPSO算法在图像分割中的应用 | 第39-46页 |
| 5.4.1 最大类间方差法 | 第40-41页 |
| 5.4.2 基于IQPSO算法的最大类间方差法多阈值图像分割 | 第41-42页 |
| 5.4.3 实验结果与分析 | 第42-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 研究工作总结 | 第46页 |
| 6.2 未来工作展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 附录A 攻读硕士学位期间的研究成果 | 第53页 |