| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题的研究意义和目的 | 第13-14页 |
| 1.2 课题研究的国内外研究现状 | 第14-21页 |
| 1.2.1 图像增强的国内外研究现状 | 第14-16页 |
| 1.2.2 图像融合的国内外研究现状 | 第16-17页 |
| 1.2.3 图像识别(分类)的国内外研究现状 | 第17-18页 |
| 1.2.4 图像检索的国内外研究现状 | 第18-21页 |
| 1.3 课题主要研究内容及章节安排 | 第21-23页 |
| 第2章 基于教与学优化的图像增强方法研究 | 第23-39页 |
| 2.1 引言 | 第23-24页 |
| 2.2 图像增强基本理论 | 第24-27页 |
| 2.2.1 图像增强原理 | 第24页 |
| 2.2.2 图像增强方法 | 第24-27页 |
| 2.2.3 图像增强的评价方法 | 第27页 |
| 2.3 教与学优化算法 | 第27-29页 |
| 2.3.1 教与学优化算法原理 | 第27-28页 |
| 2.3.2 教与学优化算法流程 | 第28-29页 |
| 2.4 基于改进教与学优化算法的图像增强技术 | 第29-32页 |
| 2.4.1 图像增强优化模型的建立 | 第29-30页 |
| 2.4.2 改进的教与学优化算法 | 第30-32页 |
| 2.5 实验仿真与结果分析 | 第32-37页 |
| 2.5.1 参数设置及实验环境 | 第32页 |
| 2.5.2 对比实验结果及分析 | 第32-37页 |
| 2.6 本章小结 | 第37-39页 |
| 第3章 基于差分进化粒子滤波的人脸图像跟踪算法 | 第39-51页 |
| 3.1 引言 | 第39页 |
| 3.2 粒子滤波算法 | 第39-42页 |
| 3.2.1 非线性滤波问题 | 第40页 |
| 3.2.2 粒子滤波算法基本原理 | 第40页 |
| 3.2.3 重要性采样 | 第40-41页 |
| 3.2.4 粒子滤波算法流程 | 第41-42页 |
| 3.3 差分进化算法 | 第42-44页 |
| 3.3.1 差分进化算法原理 | 第42页 |
| 3.3.2 差分进化算法流程 | 第42-44页 |
| 3.4 差分进化粒子滤波人脸跟踪算法 | 第44-48页 |
| 3.4.1 人脸状态模型和观测模型 | 第45-46页 |
| 3.4.2 基于小生境技术的DE改进算法 | 第46-47页 |
| 3.4.3 差分进化粒子滤波人脸跟踪算法实现 | 第47-48页 |
| 3.5 实验仿真及结果分析 | 第48-50页 |
| 3.5.1 参数设置及实验环境 | 第48页 |
| 3.5.2 评价指标 | 第48页 |
| 3.5.3 对比实验结果及分析 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 基于粒子群优化的Network In Network网络图像识别算法研究 | 第51-66页 |
| 4.1 引言 | 第51页 |
| 4.2 图像识别 | 第51-52页 |
| 4.3 Network In Network模型和粒子群优化算法的相关理论 | 第52-55页 |
| 4.3.1 Network In Network模型 | 第52-54页 |
| 4.3.2 粒子群优化算法 | 第54-55页 |
| 4.4 基于PSO算法的NIN网络 | 第55-58页 |
| 4.4.1 可行性分析 | 第55-56页 |
| 4.4.2 NIN网络改进方法 | 第56-57页 |
| 4.4.3 算法流程 | 第57-58页 |
| 4.5 实验结果与分析 | 第58-63页 |
| 4.5.1 MNIST系列实验 | 第58-62页 |
| 4.5.2 CIFAR10系列实验 | 第62-63页 |
| 4.6 本章小结 | 第63-66页 |
| 第5章 基于生物地理学优化的图像融合方法研究 | 第66-84页 |
| 5.1 引言 | 第66页 |
| 5.2 图像融合基本理论 | 第66-69页 |
| 5.2.1 基于多尺度变换域的图像融合算法 | 第67页 |
| 5.2.2 基于空间域的图像融合算法 | 第67-69页 |
| 5.3 脉冲发放皮层模型和生物地理学优化的基本理论 | 第69-74页 |
| 5.3.1 脉冲发放皮层模型 | 第69-70页 |
| 5.3.2 生物地理学优化算法 | 第70-74页 |
| 5.4 基于脉冲发放皮层模型和生物地理学优化的图像融合 | 第74-76页 |
| 5.4.1 基于图像局部细节的融合方法 | 第74页 |
| 5.4.2 基于SCM的图像融合 | 第74-76页 |
| 5.4.3 基于SCM和生物地理学优化的图像融合算法实现 | 第76页 |
| 5.5 实验仿真与结果分析 | 第76-81页 |
| 5.5.1 评价方法 | 第76-77页 |
| 5.5.2 参数设置 | 第77页 |
| 5.5.3 对比实验结果及分析 | 第77-81页 |
| 5.6 本章小结 | 第81-84页 |
| 第6章 基于教与学优化的图像检索方法研究 | 第84-106页 |
| 6.1 引言 | 第84-85页 |
| 6.2 相关反馈图像检索基本理论 | 第85-88页 |
| 6.2.1 RF技术 | 第85页 |
| 6.2.2 优化模型 | 第85-86页 |
| 6.2.3 特征描述子和距离度量 | 第86-87页 |
| 6.2.4 图像检索的评价方法 | 第87-88页 |
| 6.3 基于TLBO的图像检索RF算法(TLBO-RF) | 第88-104页 |
| 6.3.1 TLBO-RF算法基本流程 | 第88-89页 |
| 6.3.2 面向提升查准率的TLBO-RF-P | 第89-98页 |
| 6.3.3 面向提升查全率的TLBO-RF-R | 第98-104页 |
| 6.4 本章小结 | 第104-106页 |
| 结论 | 第106-109页 |
| 参考文献 | 第109-117页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第117-119页 |
| 致谢 | 第119页 |
