智能交通ⅹ图像阈值分割方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的研究背景和意义 | 第10-11页 |
| ·图像阈值分割的国内外研究概况 | 第11-14页 |
| ·论文的主要研究内容及创新点 | 第14-16页 |
| ·本论文的主要研究内容 | 第14页 |
| ·本论文的主要创新点 | 第14-16页 |
| 第二章 图像阈值分割概论 | 第16-23页 |
| ·图像阈值分割的基本原理 | 第16页 |
| ·直方图的基本概念 | 第16-19页 |
| ·一维直方图 | 第16-17页 |
| ·二维直方图 | 第17-19页 |
| ·几种常用的阈值分割算法 | 第19-21页 |
| ·最大类间方差法和最小类内方差法 | 第19-20页 |
| ·最大Shannon 熵法和最大Renyi 熵法 | 第20-21页 |
| ·阈值分割算法的评价 | 第21-22页 |
| ·定性分析 | 第21页 |
| ·定量分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于指数熵和绝对差、最大差的阈值分割 | 第23-40页 |
| ·基于指数熵的阈值分割算法 | 第23-33页 |
| ·指数信息熵的定义 | 第23-25页 |
| ·Shannon 信息熵 | 第23页 |
| ·指数信息熵定义 | 第23-24页 |
| ·二维指数信息熵 | 第24-25页 |
| ·二维指数熵阈值选取的快速算法 | 第25-27页 |
| ·实验结果及算法比较 | 第27-33页 |
| ·基于最小类内绝对差和最大差的阈值分割算法 | 第33-39页 |
| ·基于L1/L2/L∞范数的最佳逼近 | 第33-34页 |
| ·基于最小类内绝对差（L1范数）的阈值选取 | 第34-35页 |
| ·基于最小类内最大差（L∞范数）的阈值分割 | 第35页 |
| ·实验结果及分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 二维阈值分割算法的改进及快速算法 | 第40-56页 |
| ·两种递推快速算法 | 第40-46页 |
| ·递推算法一 | 第41页 |
| ·递推算法二 | 第41-44页 |
| ·实验结果及分析 | 第44-46页 |
| ·二维直方图区域斜分阈值分割及快速算法 | 第46-54页 |
| ·二维直方图的区域斜分 | 第46-49页 |
| ·二维直方图的区域直分 | 第46-47页 |
| ·二维直方图的区域斜分 | 第47-49页 |
| ·二维直方图斜分法阈值选取 | 第49-50页 |
| ·二维直方图斜分法阈值选取的快速算法 | 第50-51页 |
| ·实验结果与算法比较 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 二维阈值分割的人工鱼群算法 | 第56-66页 |
| ·人工鱼群算法 | 第56页 |
| ·基于人工鱼群算法的图像阈值分割 | 第56-58页 |
| ·鱼群的初始化 | 第56-57页 |
| ·行为选择 | 第57页 |
| ·优化准则 | 第57页 |
| ·引入竞争机制的鱼群算法 | 第57-58页 |
| ·实验结果与分析 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·本文的主要工作 | 第66-67页 |
| ·进一步的研究工作 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75-76页 |
