最大熵结合遗传算法的图像阈值分割算法研究
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第17-29页 |
| 1.1 研究背景以及意义 | 第17-21页 |
| 1.1.1 图像分割背景 | 第17-19页 |
| 1.1.2 遗传算法的背景介绍 | 第19-21页 |
| 1.2 研究现状 | 第21-25页 |
| 1.2.1 阈值分割研究现状 | 第21-24页 |
| 1.2.2 遗传算法研究现状 | 第24-25页 |
| 1.3 阈值分割目前存在的问题及本文的研究目标 | 第25-26页 |
| 1.4 论文的技术路线 | 第26-27页 |
| 1.5 论文结构安排 | 第27-29页 |
| 第二章 图像分割综述 | 第29-49页 |
| 2.1 图像分割的定义 | 第29-30页 |
| 2.2 图像分割方法分类 | 第30-36页 |
| 2.2.1 基于区域的图像分割 | 第31-33页 |
| 2.2.2 基于边缘检测的图像分割 | 第33-36页 |
| 2.2.3 基于阈值的图像分割 | 第36页 |
| 2.2.4 基于特定理论的图像分割 | 第36页 |
| 2.3 几种常见的阈值分割算法 | 第36-43页 |
| 2.3.1 最大类间方差法 | 第37-38页 |
| 2.3.2 最大熵法 | 第38-41页 |
| 2.3.3 最小误差法 | 第41-43页 |
| 2.4 直方图 | 第43-44页 |
| 2.5 图像分割质量评价 | 第44-47页 |
| 2.6 本章小结 | 第47-49页 |
| 第三章 遗传算法综述 | 第49-61页 |
| 3.1 遗传算法的发展 | 第49-50页 |
| 3.2 遗传算法概述 | 第50-53页 |
| 3.2.1 遗传算法简介 | 第50-51页 |
| 3.2.2 遗传算法的基本过程 | 第51-52页 |
| 3.2.3 遗传算法的基本要素 | 第52-53页 |
| 3.3 遗传算法的基本定理 | 第53-56页 |
| 3.3.1 基本概念 | 第53-54页 |
| 3.3.2 模式定理 | 第54-55页 |
| 3.3.3 隐式并行性定理 | 第55-56页 |
| 3.4 遗传算法的特点 | 第56-59页 |
| 3.4.1 传统搜索算法的特点 | 第57页 |
| 3.4.2 遗传算法的特点 | 第57-59页 |
| 3.5 遗传算法的应用 | 第59-60页 |
| 3.6 本章小结 | 第60-61页 |
| 第四章 传统阈值分割方法的MATLAB程序实现 | 第61-81页 |
| 4.1 Otsu算法的MATLAB实现 | 第61-67页 |
| 4.1.1 Otsu原理 | 第61-62页 |
| 4.1.2 MATLAB实现步骤 | 第62-64页 |
| 4.1.3 实验结果 | 第64-67页 |
| 4.2 最大熵阈值分割的MATLAB实现 | 第67-73页 |
| 4.2.1 最大熵原理 | 第67-68页 |
| 4.2.2 MATLAB实现步骤 | 第68-70页 |
| 4.2.3 实验结果 | 第70-73页 |
| 4.3 二维最大熵阂值分割的MATLAB实现 | 第73-78页 |
| 4.3.1 二维直方图 | 第73-74页 |
| 4.3.2 二维最大熵 | 第74-75页 |
| 4.3.3 MATLAB实现步骤 | 第75页 |
| 4.3.4 实验结果 | 第75-78页 |
| 4.4 结果分析 | 第78-79页 |
| 4.5 本章小结 | 第79-81页 |
| 第五章 遗传算法结合最大熵的阈值分割实验 | 第81-91页 |
| 5.1 基于遗传算法的图像分割流程 | 第81-82页 |
| 5.2 具体算法设计与实现 | 第82-86页 |
| 5.3 实验结果与分析 | 第86-90页 |
| 5.4 本章小结 | 第90-91页 |
| 第六章 改进遗传算法结合二维最大熵的阈值分割实验 | 第91-109页 |
| 6.1 二维最大熵邻域模板的改进 | 第91-92页 |
| 6.2 遗传算法的改进 | 第92-96页 |
| 6.3 结果分析 | 第96-108页 |
| 6.4 本章小结 | 第108-109页 |
| 第七章 研究结论 | 第109-111页 |
| 第八章 总结与展望 | 第111-113页 |
| 8.1 总结 | 第111页 |
| 8.2 不足与展望 | 第111-113页 |
| 致谢 | 第113-115页 |
| 参考文献 | 第115-121页 |
| 附录 作者在攻读硕士学位期间发表的成果 | 第121页 |
