| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·人工神经网络简介 | 第7-9页 |
| ·图像分割现状及存在问题 | 第9-11页 |
| ·主要内容及结构安排 | 第11-13页 |
| 第二章 自组织神经网络及遗传进化基础 | 第13-25页 |
| ·Kohenen SOFM基础 | 第14-19页 |
| ·SOFM的思想来源 | 第15-16页 |
| ·SOFM的网络结构 | 第16-18页 |
| ·Kohonen SOFM算法规则 | 第18-19页 |
| ·遗传算法 | 第19-25页 |
| ·遗传算法的基本原理 | 第19-21页 |
| ·遗传算法要素简述 | 第21-25页 |
| 第三章 基于LGA优化的SOFM网络的纹理图像分割 | 第25-39页 |
| ·图像特征提取 | 第25-28页 |
| ·基于Contourlet变换的图像特征提取 | 第25-28页 |
| ·基于拉马克学习的遗传算法 | 第28-31页 |
| ·拉马克学习 | 第28-29页 |
| ·拉马克遗传的收敛性 | 第29-31页 |
| ·基于LGA遗传优化SOFM网络的纹理图像分割算法 | 第31-34页 |
| ·LGA优化SOFM网络的适应度函数选择 | 第31-32页 |
| ·基于LGA优化SOFM网络的权值输出 | 第32-34页 |
| ·实验结果与分析 | 第34-37页 |
| ·小结 | 第37-39页 |
| 第四章 基于分水岭和LGA-SOFM的SAR图像分割 | 第39-47页 |
| ·SAR图像 | 第39页 |
| ·分水岭算法 | 第39-42页 |
| ·分水岭算法原理 | 第40页 |
| ·分水岭算法数学描述 | 第40-41页 |
| ·分水岭算法的特性 | 第41页 |
| ·标记分水岭算法 | 第41-42页 |
| ·基于分水岭和LGA优化SOFM的SAR图像分割 | 第42-43页 |
| ·实验结果与分析 | 第43页 |
| ·小结 | 第43-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-53页 |
