基于蚁群算法的图像分割研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 蚁群算法 | 第9-10页 |
| 1.2.1 蚁群算法的研究发展 | 第9-10页 |
| 1.2.2 蚁群算法的研究应用 | 第10页 |
| 1.3 图像的分割介绍 | 第10-13页 |
| 1.3.1 图像分割的实际意义 | 第10-11页 |
| 1.3.2 图像分割概述 | 第11页 |
| 1.3.3 图像分割的方法介绍 | 第11-13页 |
| 1.4 论文的主要内容 | 第13页 |
| 1.5 论文结构框架 | 第13-15页 |
| 2 蚁群算法 | 第15-28页 |
| 2.1 蚁群算法简介 | 第15-17页 |
| 2.2 蚁群算法 | 第17-21页 |
| 2.2.1 蚁群算法在 TSP 上的应用 | 第17-19页 |
| 2.2.2 蚁群算法的流程 | 第19-20页 |
| 2.2.3 蚁群算法优点及缺点 | 第20-21页 |
| 2.3 蚁群算法的改进 | 第21-26页 |
| 2.3.1 蚁群系统 | 第21-22页 |
| 2.3.2 最大最小蚁群算法 | 第22-23页 |
| 2.3.3 本文中改进的蚁群算法 | 第23-24页 |
| 2.3.4 改进算法的运算步骤 | 第24页 |
| 2.3.5 改进算法实验分析 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 蚁群模糊聚类算法在图像分割中的应用 | 第28-40页 |
| 3.1 模糊聚类 | 第28-29页 |
| 3.2 硬 C 均值聚类 | 第29-30页 |
| 3.3 FCM 算法 | 第30-33页 |
| 3.3.1 FCM 算法介绍 | 第30-31页 |
| 3.3.2 FCM 算法基本原理介绍 | 第31-32页 |
| 3.3.3 FCM 算法的不足 | 第32-33页 |
| 3.4 基于 FCM 的图像分割中的应用 | 第33页 |
| 3.5 基于蚁群聚类算法的图像分割 | 第33-39页 |
| 3.5.1 图像分割的特征提取 | 第34页 |
| 3.5.2 初始聚类中心的设定 | 第34页 |
| 3.5.3 信息素的更新 | 第34-35页 |
| 3.5.4 算法步骤 | 第35-36页 |
| 3.5.5 实验结果及其分析 | 第36-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 量子蚁群算法在图像分割中的应用 | 第40-52页 |
| 4.1 量子算法 | 第40-44页 |
| 4.1.1 量子算法特性 | 第40-42页 |
| 4.1.2 量子算法 | 第42-44页 |
| 4.2 量子蚁群算法 | 第44-51页 |
| 4.2.1 量子蚁群算法介绍 | 第44-45页 |
| 4.2.2 量子蚁群算法的基本原理 | 第45-48页 |
| 4.2.3 基于量子蚁群的图像分割的步骤 | 第48-49页 |
| 4.2.4 实验及其结果分析 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |
