粒子群优化及其在图像分割中的应用
| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景与意义 | 第9页 |
| ·粒子群优化算法的研究现状 | 第9-11页 |
| ·粒子群算法的研究方向 | 第10-11页 |
| ·粒子群算法的应用现状 | 第11页 |
| ·图像分割方法概述 | 第11-14页 |
| ·基于区域的图像分割 | 第12-13页 |
| ·基于边界的图像分割 | 第13页 |
| ·区域与边界相结合的方法 | 第13-14页 |
| ·其它的图像分割方法 | 第14页 |
| ·本文的主要工作和组织结构 | 第14-16页 |
| 第2章 粒子群优化算法 | 第16-26页 |
| ·算法的基本原理 | 第16-20页 |
| ·原始粒子群优化 | 第16-18页 |
| ·引入惯性权重的粒子群优化 | 第18-20页 |
| ·收缩型粒子群优化 | 第20页 |
| ·算法的收敛性分析 | 第20-24页 |
| ·算法的改进 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于相对基学习的变异粒子群算法 | 第26-37页 |
| ·改进算法的思想 | 第26-30页 |
| ·相对基学习 | 第26-28页 |
| ·变异模型 | 第28-30页 |
| ·改进算法用于函数优化 | 第30-36页 |
| ·基准测试函数 | 第30-31页 |
| ·变异模型中a值的选取对算法的影响 | 第31-32页 |
| ·实验结果与分析 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于模拟退火的免疫粒子群算法 | 第37-46页 |
| ·改进算法的思想 | 第37-42页 |
| ·人工免疫系统 | 第37-40页 |
| ·免疫记忆和免疫调节的实现 | 第40-41页 |
| ·模拟退火 | 第41-42页 |
| ·改进算法用于组合优化 | 第42-45页 |
| ·旅行商问题 | 第42页 |
| ·实验结果与分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 改进粒子群算法在多阈值图像分割中的应用 | 第46-61页 |
| ·引言 | 第46-47页 |
| ·基于阈值法的图像分割 | 第47-50页 |
| ·最大熵阈值法 | 第48页 |
| ·最大类间方差阈值法 | 第48-49页 |
| ·最小误差阈值法 | 第49-50页 |
| ·基于改进变异粒子群算法的最大熵图像分割 | 第50-56页 |
| ·基准图像的分割 | 第50-54页 |
| ·合成孔径雷达图像的分割 | 第54-56页 |
| ·基于改进免疫粒子群算法的最大类间方差图像分割 | 第56-59页 |
| ·最优阈值个数的确定 | 第56-57页 |
| ·实验图像及参数设置 | 第57-58页 |
| ·优化结果与分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-69页 |
| 致谢 | 第69-70页 |
| 详细摘要 | 第70-75页 |
