基于脉冲耦合神经网络和进化算法的图像分割方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·引言 | 第9-12页 |
| ·图像分割的定义 | 第10页 |
| ·图像分割领域需要解决的问题 | 第10-11页 |
| ·图像分割的实质 | 第11-12页 |
| ·图像分割方法 | 第12-15页 |
| ·阈值分割方法 | 第13-14页 |
| ·基于边缘的分割方法 | 第14页 |
| ·基于区域的分割方法 | 第14页 |
| ·结合特定理论工具的分割方法 | 第14-15页 |
| ·图像分割评价 | 第15-19页 |
| ·图像分割评价的内容 | 第15页 |
| ·图像分割评价的方法 | 第15-16页 |
| ·阈值分割的量化评价指标 | 第16-19页 |
| ·本文的主要工作及内容安排 | 第19-21页 |
| ·本文的主要工作 | 第19页 |
| ·本文的内容安排 | 第19-21页 |
| 第二章 神经网络图像处理技术 | 第21-25页 |
| ·引言 | 第21页 |
| ·神经网络的发展现状 | 第21-25页 |
| ·神经网络的定义 | 第21-22页 |
| ·神经网络的研究内容及特点 | 第22-23页 |
| ·神经网络发展的意义 | 第23-25页 |
| 第三章 基于PCNN的图像分割算法 | 第25-37页 |
| ·引言 | 第25-26页 |
| ·PCNN模型及应用 | 第26-29页 |
| ·Eckhorn神经元模型 | 第26-27页 |
| ·PCNN模型 | 第27-28页 |
| ·PCNN的应用 | 第28-29页 |
| ·PCNN应用于数字图像处理 | 第29-30页 |
| ·基于PCNN的数字图像分割 | 第30-35页 |
| ·两个概念――自然周期和捕获范围 | 第30-31页 |
| ·V_θ的选择 | 第31-32页 |
| ·PCNN取得好的分割效果的条件 | 第32-33页 |
| ·本文算法的处理结果 | 第33-35页 |
| ·结论 | 第35-37页 |
| 第四章 基于参数优化的图像分割算法 | 第37-47页 |
| ·为什么要优化网络参数 | 第37-38页 |
| ·目标函数的设计 | 第38-39页 |
| ·基于遗传算法的参数优化 | 第39-42页 |
| ·用遗传算法优化网络参数 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| ·基于粒子群优化算法的参数优化 | 第42-46页 |
| ·PSO算法的生物学基础 | 第42-43页 |
| ·PSO算法的基本原理 | 第43-44页 |
| ·用PSO算法优化PCNN的参数 | 第44页 |
| ·实验结果 | 第44-46页 |
| ·结论 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·未来工作展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 作者在读期间的研究成果 | 第55页 |
