MEP在图像配准中的应用
| 第一章 绪论 | 第1-12页 |
| ·前言 | 第9-10页 |
| ·本文工作 | 第10-12页 |
| 第二章 研究背景 | 第12-31页 |
| ·遗传程序设计(GP) | 第12-15页 |
| ·基因表达式编程(GEP) | 第15-29页 |
| ·基因表达的生物学背景 | 第15-17页 |
| ·GEP研究现状概述 | 第17-18页 |
| ·GEP的基本方法 | 第18-23页 |
| ·GEP算法的改进— M-GEP | 第23-28页 |
| ·GEP的优点 | 第28-29页 |
| ·多表达式编程(MEP) | 第29-31页 |
| 第三章 改进的 MEP算法 | 第31-51页 |
| ·基本的 MEP算法 | 第31-36页 |
| ·MEP的基因结构与编码 | 第31-32页 |
| ·MEP的适应度函数 | 第32-33页 |
| ·MEP的遗传操作 | 第33-35页 |
| ·MEP算法流程描述 | 第35-36页 |
| ·MEP与现有遗传程序设计的比较 | 第36-38页 |
| ·包含多个表达式 | 第36页 |
| ·编码利用率高，不包含无用编码 | 第36-37页 |
| ·不需要转化为树结构 | 第37-38页 |
| ·能更好的保护好子结构 | 第38页 |
| ·改进的MEP算法 | 第38-51页 |
| ·改变符号权重 | 第38页 |
| ·分级策略思想的加入 | 第38-40页 |
| ·产生新个体 | 第40-43页 |
| ·算法流程 | 第43-44页 |
| ·相关实验 | 第44-50页 |
| ·小结 | 第50-51页 |
| 第四章 改进的 MEP算法在图像配准中的应用 | 第51-61页 |
| ·研究图像配准的意义和目的 | 第51-52页 |
| ·图像配准的理论与方法 | 第52-54页 |
| ·图像配准的定义 | 第52页 |
| ·基于控制点的图像配准步骤 | 第52-53页 |
| ·图像配准的变换类型 | 第53-54页 |
| ·现有配准模型优缺点 | 第54页 |
| ·用改进的 MEP算法求解配准模型 | 第54-61页 |
| ·MEP图像配准流程 | 第55页 |
| ·图像配准实验 | 第55-60页 |
| ·实验分析 | 第60-61页 |
| 第五章 改进的 MEP算法的软件实现 | 第61-65页 |
| ·系统框架图 | 第61-62页 |
| ·用户界面和输入输出 | 第62-64页 |
| ·用户界面 | 第62-63页 |
| ·样本数据输入 | 第63-64页 |
| ·结果输出 | 第64页 |
| ·一些主要功能模块的实现 | 第64-65页 |
| 第六章 总结和展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录一 作者在攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 附录二 软件接口及说明 | 第72-74页 |
