| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-21页 |
| ·图像分割的研究意义 | 第14-16页 |
| ·彩色图像分割的研究现状与意义 | 第16-18页 |
| ·智能信息处理在图像分割中的研究意义 | 第18-19页 |
| ·主要研究内容与论文安排 | 第19-21页 |
| 第二章 彩色视觉与颜色空间 | 第21-30页 |
| ·彩色视觉 | 第21-22页 |
| ·三色学说 | 第22-23页 |
| ·颜色空间模型 | 第23-30页 |
| 第三章 彩色图像分割方法概述 | 第30-46页 |
| ·图像分割的定义 | 第30-31页 |
| ·图像分割的基本技术 | 第31-32页 |
| ·经典彩色图像分割方法 | 第32-40页 |
| ·彩色图像分割原理 | 第32-33页 |
| ·经典彩色图像分割方法 | 第33-40页 |
| ·智能彩色图像分割方法 | 第40-46页 |
| ·智能算法研究历史与现状 | 第40-42页 |
| ·智能图像分割方法 | 第42-43页 |
| ·混合智能算法研究历史与现状 | 第43-46页 |
| 第四章 基于SOFM神经网络的彩色图像模糊聚类分割 | 第46-64页 |
| ·聚类算法的研究 | 第46-51页 |
| ·聚类的定义 | 第46页 |
| ·国内外研究现状 | 第46-48页 |
| ·模糊聚类分析 | 第48-49页 |
| ·基于目标函数的模糊聚类 | 第49-50页 |
| ·颜色聚类的本质 | 第50-51页 |
| ·自组织特征映射网络(SOFM)研究 | 第51-54页 |
| ·自组织特征映射网络(SOFM)简介 | 第51-52页 |
| ·SOFM算法步骤 | 第52-54页 |
| ·基于SOFM网络的彩色图像模糊聚类分割 | 第54-64页 |
| ·SOFM网络学习算法在图像分割中的具体实现 | 第54-56页 |
| ·SOFM网络竞争层节点的自适应聚类分析 | 第56-58页 |
| ·基于SOFM网络的彩色图像自适应聚类分割 | 第58页 |
| ·实验结果与分析 | 第58-64页 |
| 第五章 基于遗传算法的模糊熵多阈值彩色图像分割 | 第64-75页 |
| ·遗传算法的研究 | 第64-67页 |
| ·遗传算法的基本原理 | 第64-65页 |
| ·遗传算法的基本步骤 | 第65-67页 |
| ·遗传算子 | 第67页 |
| ·基于遗传算法的多阈值自适应彩色图像分割 | 第67-75页 |
| ·熵阈值分割 | 第67-68页 |
| ·基于遗传算法的模糊熵多阈值分割 | 第68-71页 |
| ·可变码长GA的自适应多阈值分割 | 第71-72页 |
| ·实验结果与分析 | 第72-75页 |
| 第六章 基于蚁群算法的混合彩色图像分割 | 第75-93页 |
| ·蚁群算法 | 第75-79页 |
| ·蚁群算法的研究历史与现状 | 第75-76页 |
| ·蚁群算法的基本思想 | 第76-77页 |
| ·蚁群聚类的基本原理 | 第77-79页 |
| ·基于蚁群算法的模糊C均值聚类彩色图像分割 | 第79-83页 |
| ·基于蚁群觅食原理的蚁群聚类学习方法 | 第79-80页 |
| ·基于蚁群算法的模糊C均值聚类 | 第80-81页 |
| ·实验结果与分析 | 第81-83页 |
| ·基于遗传算法和蚁群聚类算法融合(GA~2C~2A)彩色图像分割 | 第83-93页 |
| ·遗传算法与蚁群聚类算法的融合(GA~2C~2A) | 第83页 |
| ·GA~2C~2A算法的基本原理和设计思想 | 第83-84页 |
| ·GA~2C~2A算法中遗传算法的定义设置及流程 | 第84-86页 |
| ·GA~2C~2A算法中蚁群聚类算法的改进 | 第86-88页 |
| ·遗传算法和蚁群聚类算法的衔接及分割算法整体框架的实现 | 第88-90页 |
| ·实验结果与分析 | 第90-93页 |
| 结论 | 第93-96页 |
| 参考文献 | 第96-103页 |
| 攻读学位期间发表的论文 | 第103-105页 |
| 致谢 | 第105页 |
